期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到185篇文章
< 1 2 … 10 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于轻量级梯度提升机器学习算法的家庭物联网攻击预测模型 被引量：1
1
作者 钱芬 《合肥师范学院学报》 2023年第6期128-132,共5页
对家庭物联网网络攻击预测模型进行研究,描述了家庭物联网系统架构,分析了家庭物联网面临的网络安全问题;从网络安全角度权衡不同算法模型准确率,并考虑算法实现资源限制,提出了基于轻量级梯度提升机器学习算法的攻击预测模型,该模型主... 对家庭物联网网络攻击预测模型进行研究,描述了家庭物联网系统架构,分析了家庭物联网面临的网络安全问题;从网络安全角度权衡不同算法模型准确率,并考虑算法实现资源限制,提出了基于轻量级梯度提升机器学习算法的攻击预测模型,该模型主要由以下三个部分组成:数据处理、构建攻击场景以及模型构建与攻击预测。通过特征提取、数据分组、参数优化等方式完成了模型训练;通过对比测试,从预测结果准确率期望值维度,证明了该模型的可行性和优越性。 展开更多
关键词 机器学习 攻击预测 梯度提升 家庭物联网
下载PDF
基于梯度提升的优化集成机器学习算法对滑坡易发性评价:以雅鲁藏布江与尼洋河两岸为例 被引量：6
2
作者 林琴 郭永刚 +2 位作者 吴升杰 臧烨祺 王国闻 《西北地质》 CSCD 北大核心 2024年第1期12-22,共11页
雅鲁藏布江与尼洋河两岸地质构造活跃,山体滑坡时常发生,滑坡易发性评价能有效的减少因灾害发生所造成的对人类生命和财产的伤害。笔者基于基尼系数的加权随机森林、XGBoost和LightGBM算法在滑坡易发性中的性能。选取188个滑坡样本和7... 雅鲁藏布江与尼洋河两岸地质构造活跃,山体滑坡时常发生,滑坡易发性评价能有效的减少因灾害发生所造成的对人类生命和财产的伤害。笔者基于基尼系数的加权随机森林、XGBoost和LightGBM算法在滑坡易发性中的性能。选取188个滑坡样本和7个影响因素,应用五折交叉验证法训练模型,训练过程中同时考虑特征选择算法、运用贝叶斯方法优化超参数后,采用precision、recall、F1、Accuracy指标对各个级别的预测结果进行分析。结果表明:在高程为32~1544 m与2722~3752 m、坡度为30°~40°、距断裂带、河流与道路200 m以内的区域最容易发生滑坡;滑坡极高与高易发性分布为12.14%和12.41%,低和极低易发性占比分别为26.47%与29.55%,区内一半以上的地区不容易发生滑坡灾害;LightGBM模型在所有模型中表现最好,AUC值为0.8432,准确度为0.8531,F1分数为0.8345;墨脱县的达木乡、帮辛乡,林芝县的丹娘、里龙、扎西饶登乡,朗县的陇村,工布江达的江达乡位于极高易发区,发生滑坡概率极大,在这些地区应采取相应的地质灾害防治措施。 展开更多
关键词 梯度提升 XGBoost LightGBM 机器学习 滑坡易发性
下载PDF
比较多种机器学习模型预测肺移植术后受者生存
3
作者 史灵芝 刘亚灵 +7 位作者 严浩吉 喻赠玮 侯森林 刘明昭 杨航 吴波 田东 陈静瑜 《器官移植》 北大核心 2025年第2期264-271,共8页
目的 比较不同机器学习算法构建的预后模型在预测肺移植(LTx)受者生存期方面的性能和表现。方法 回顾性收集483例行LTx手术的受者资料,所有受者按7∶3的比例分为训练集和验证集,将收集到的24个变量基于变量重要性(VIMP)进行筛选,利用随... 目的 比较不同机器学习算法构建的预后模型在预测肺移植(LTx)受者生存期方面的性能和表现。方法 回顾性收集483例行LTx手术的受者资料,所有受者按7∶3的比例分为训练集和验证集,将收集到的24个变量基于变量重要性(VIMP)进行筛选,利用随机生存森林(RSF)和极端梯度提升树(XGBoost)构建预后模型,使用综合曲线下面积(iAUC)和时间依赖曲线下面积(t AUC)进行模型性能评估。结果 训练集和验证集的各变量差异均无统计学意义。基于VIMP筛选排名前15的变量用于建模并确定重症监护室(ICU)住院时间为最重要的因素。与XGBoost模型相比,RSF模型在预测受者生存期方面表现出更好的性能(i AUC0.773比0.723)。在预测受者6个月生存期(tAUC6个月0.884比0.809,P=0.009)和1年生存期(tAUC1年0.896比0.825,P=0.013)方面,RSF模型也表现出更好的性能。基于两种算法的预测截断值,将LTx术后受者分为高风险组和低风险组,两种模型的生存分析结果均显示高风险组受者的生存率低于低风险组(P<0.001)。结论 与XGBoost相比,基于RSF算法开发的机器学习预后模型可以更好地预测LTx受者的生存期。 展开更多
关键词 肺移植 机器学习 预测模型 随机生存森林 极端梯度提升树 生存期 比例风险回归模型 重症监护室
下载PDF
面向雕刻任务的机器人技能学习应用研究
4
作者 占宏 黎志毅 杨辰光 《机械设计与制造》 北大核心 2025年第1期272-275,共4页
缺乏自主作业能力是制约机器人在工业制造领域大规模应用的主要因素之一。机器人通过学习操作技能,可有效加强自主作业能力,进一步提升智能化水平。针对雕刻任务,提出了一种机器人技能学习方法以实现高效作业。该方法首先对任意轨迹进... 缺乏自主作业能力是制约机器人在工业制造领域大规模应用的主要因素之一。机器人通过学习操作技能,可有效加强自主作业能力,进一步提升智能化水平。针对雕刻任务,提出了一种机器人技能学习方法以实现高效作业。该方法首先对任意轨迹进行分割和特征提取,利用梯度提升决策树多分类方法进行轨迹分类,并基于改进型动态运动原语模型的技能学习方法生成待雕刻字样轨迹。同时,在所搭建的机器人雕刻实验平台,采用艾力特机械臂完成了雕刻英文任务,实验结果表明雕刻效果良好,实现了机器人雕刻技能学习。该方法效率高,能够适应不同任务需求,在工业制造领域有着广阔应用前景。 展开更多
关键词 机器人 雕刻任务 技能学习 动态运动原语 梯度提升决策树
下载PDF
基于机器学习算法构建新型冠状病毒感染重症病人的死亡预测模型
5
作者 桑珍珍 李勇 《安徽医药》 2025年第4期747-753,I0003,I0004,共9页
目的探讨影响新型冠状病毒感染(novel coronavirus pneumonia;别名corona virus disease 2019,COVID-19)重症病人预后的危险因素,建立预测模型并进行验证,进而准确地评估COVID-19重症病人的不良预后。方法收集2022年11月1日至2023年7月... 目的探讨影响新型冠状病毒感染(novel coronavirus pneumonia;别名corona virus disease 2019,COVID-19)重症病人预后的危险因素,建立预测模型并进行验证,进而准确地评估COVID-19重症病人的不良预后。方法收集2022年11月1日至2023年7月1日沧州市中心医院收治的526例COVID-19重症病人的临床指标与结局(院内28 d内死亡或存活)。用于R软件“caret”包,将526例病人按7∶3的比例拆分为两组:训练集(n=369)用于模型训练,测试集(n=157)用于模型验证。利用极端梯度提升(XGBoost)、随机森林(RF)2种机器学习算法构建病人临床结局的预测模型,应用SHAP进行XGBoost模型可解释性分析,分别得出影响病人预后的变量。将RF和XGBoost得出的变量取交集得到差异有统计学意义的变量,进而构建决策树模型。最后,在训练集和测试集上利用受试者操作特征曲线(ROC曲线)、曲线下面积(AUC)评估所决策树模型的预测性能。结果通过XGBoost模型得到与院内死亡相关的变量15个,随机森林模型得到与院内死亡相关的变量23个,两种模型取交集得到13个与院内死亡相关性最强的重要变量(白细胞介素-6、N端脑钠肽前体、白蛋白、超敏肌钙蛋白I、淋巴细胞、血乳酸、α-羟丁氨酸、肌酸激酶同工酶、动脉血氧分压、年龄、尿素氮、血红蛋白、乳酸脱氢酶)。用这13个重要变量构建决策树模型,得出2个与病人死亡最相关的变量(白细胞介素-6、淋巴细胞),死亡组病人的白细胞介素-6为155.48(42.81,691.3)ng/L,显著高于存活组15.38(10.51,31.11)ng/L(Z=37387.50,P<0.001)。死亡组病人的淋巴细胞为5.4(3.3,12.6)%,显著低于存活组13.5(8.62,22.28)%(Z=10584.50,P<0.001)。在训练集上的决策树模型预测COVID-19重症病人死亡的AUC为0.86,在测试集上的AUC为0.84。结论基于XGBoost和随机森林这2种机器学习方法构建的决策树模型能够更准确地评估COVID-19重症病人的不良预后。 展开更多
关键词 机器学习 新型冠状病毒感染 森林图 人工智能 极端梯度提升(XGBoost) 预后 预测模型
下载PDF
基于机器学习算法模型的焊接接头疲劳寿命预测
6
作者 徐梦悦 齐红宇 +2 位作者 李少林 石多奇 杨晓光 《航空发动机》 北大核心 2025年第1期96-102,共7页
焊接接头具有非均匀的微观组织和梯度过渡的力学性能及随机分布的焊接缺陷等特征,相较于其他结构更容易产生疲劳断裂,特别是焊接接头的疲劳载荷下的强度和寿命问题已成为工程界和学术界的研究热点。为了研究焊接接头的疲劳行为,开展了... 焊接接头具有非均匀的微观组织和梯度过渡的力学性能及随机分布的焊接缺陷等特征,相较于其他结构更容易产生疲劳断裂,特别是焊接接头的疲劳载荷下的强度和寿命问题已成为工程界和学术界的研究热点。为了研究焊接接头的疲劳行为,开展了基于随机森林(RF)模型的焊接接头疲劳寿命预测模型的全新研究。通过采用RF和轻梯度提升机(LightGBM)2种不同的机器学习算法模型对焊接接头的疲劳数据集进行分析和预测,从中选择预测性能更优的机器学习模型;通过比较在不同几何形状下疲劳寿命的预测结果,评估几何形状对机器学习模型预测性能的影响;利用RF算法对输入条件进行重要度排序,分析焊接接头疲劳寿命的影响因素;通过计算模型在不同材料下的疲劳寿命结果验证机器学习模型的泛化能力。结果表明:机器学习模型对不同几何形状的焊接接头疲劳寿命的预测效果较好,且可用于预测在不同材料下的焊接接头疲劳寿命。研究结果对焊接结构的强度设计与焊接工艺参数优化等具有重要意义。 展开更多
关键词 机器学习 随机森林算法 轻梯度提升机算法 焊接接头 疲劳寿命 几何形状 预测模型
下载PDF
基于机器学习的三通管液压成形实时预测
7
作者 郭海晶 孙凌燕 +4 位作者 程亮 张志远 杨超 孙峰 李金山 《塑性工程学报》 北大核心 2025年第2期17-27,共11页
为了满足三通管液压成形过程的监测和过程控制的需求,构建了一个基于有限元数据驱动的机器学习框架用于多物理场的实时预测,包括:数据生成模型构建,建立能够准确描述塑性成形过程的有限元模型;数据集生成,结合成形工艺特点和成形设备参... 为了满足三通管液压成形过程的监测和过程控制的需求,构建了一个基于有限元数据驱动的机器学习框架用于多物理场的实时预测,包括:数据生成模型构建,建立能够准确描述塑性成形过程的有限元模型;数据集生成,结合成形工艺特点和成形设备参数范围要求进行实验设计,同时通过有限元模拟创建数据集,用于机器学习模型的训练;模型训练,选择机器学习算法就有限元模拟生成的数据集进行学习,建立边界位移与材料内部位移场的映射;多物理场计算,基于预测位移场推导材料内部应变、应力以及厚度场等的分布。采用该框架构建了基于CPB06屈服准则的纯钛三通管液压成形有限元模型,在此基础上通过加载路径全因子模拟实验生成了机器学习数据集,并采用随机森林和梯度提升算法实现了材料内部位移的实时预测,计算出了等效应变、等效应力和管材壁厚的分布。将上述预测模型用于全新工况的三通管液压成形,结果表明,预测误差不超过5%,说明构建的集成有限元方法的机器学习框架可以解决有限元模型无法在线分析的问题,实现对塑性加工过程中多物理场的实时预测。 展开更多
关键词 三通管 有限元 机器学习 随机森林 梯度提升
原文传递
基于分类梯度提升算法的推移质输沙率计算
8
作者 王言昕 江雨润 +2 位作者 吴小康 罗铭 黄尔 《水电能源科学》 北大核心 2025年第1期39-42,121,共5页
计算宽级配推移质运动是河流泥沙学科的难点之一。为探寻分类梯度提升算法在预测推移质输沙率方面的效果,筛选了3 060组天然河道输沙数据,将其划分为单一流域和综合流域两组,以此获取算法在这两种情况下的预测结果,并利用3种传统公式进... 计算宽级配推移质运动是河流泥沙学科的难点之一。为探寻分类梯度提升算法在预测推移质输沙率方面的效果,筛选了3 060组天然河道输沙数据,将其划分为单一流域和综合流域两组,以此获取算法在这两种情况下的预测结果,并利用3种传统公式进行对比,最后对单点进行多次重复调参验证调参次数对于算法预测性能的影响。结果表明,分类梯度提升算法对单一流域的预测效果优于综合流域;增加训练集和测试集的划分次数能够减轻划分方式带来的影响;多次重复调参可提高算法的预测性能;分类梯度提升算法相较于传统输沙率公式效果更好。 展开更多
关键词 分类梯度提升算法 推移质输沙率 机器学习 野外数据
原文传递
基于数据增强和机器学习的铁尾矿混凝土抗压强度预测
9
作者 荣兆川 胥孝川 +1 位作者 李志军 戴佳豪 《新型建筑材料》 2025年第3期95-101,141,共8页
研究了铁尾矿(IOTs)对混凝土28 d抗压强度的影响,并采用4种机器学习模型进行分析。通过选择6个关键变量,对145组数据进行描述性统计,采用变分自编码器(VAE)对数据进行增强,并比较了梯度提升、自适应增强、随机森林和高斯过程4种模型的... 研究了铁尾矿(IOTs)对混凝土28 d抗压强度的影响,并采用4种机器学习模型进行分析。通过选择6个关键变量,对145组数据进行描述性统计,采用变分自编码器(VAE)对数据进行增强,并比较了梯度提升、自适应增强、随机森林和高斯过程4种模型的性能。结果表明,梯度提升模型在各项评估指标上均表现最佳,特别是在决定系数、均方误差等关键指标上。基于梯度提升模型预测混凝土的28 d抗压强度,与实际数据吻合度高,泛化能力强,该模型为学者们提供了一种高效、经济、可靠的预测方法。 展开更多
关键词 铁尾矿 抗压强度 机器学习 数据增强 梯度提升
下载PDF
基于极端梯度提升法的某光伏电站发电量预测
10
作者 吴江江 兰智 《电器工业》 2025年第1期6-10,38,共6页
为解决复杂气象因素下光伏电站发电量预测结果不理想及波动较大的问题,针对陕西洛南某光伏厂区发电情况,基于XGBoost模型建立光伏电站发电量预测模型并对其进行相关评价及验证。研究结果表明,XGBoost模型在光伏电站发电量预测方面存在... 为解决复杂气象因素下光伏电站发电量预测结果不理想及波动较大的问题,针对陕西洛南某光伏厂区发电情况,基于XGBoost模型建立光伏电站发电量预测模型并对其进行相关评价及验证。研究结果表明,XGBoost模型在光伏电站发电量预测方面存在较好的精度与可靠性,相较于其他预测模型(支持向量机模型、决策树模型、随机森林模型、BP神经网络模型),XGBoost模型预测值与实际测定值的相对误差最小,相对误差可以控制在6%以内,决定系数最高,证实了XGBoost模型在光伏电站发电量预测方面存在较好的精度与可靠性。本研究可为此类光伏电站厂区的发电量预测及管理运行提供参考。 展开更多
关键词 光伏电站 机器学习模型 发电量预测 气象因素 极端梯度提升法
下载PDF
轻梯度提升机算法的发展与应用
11
作者 魏佳妹 袁书娟 +2 位作者 孔闪闪 杨爱民 赵晨颖 《计算机工程与应用》 北大核心 2025年第5期32-42,共11页
轻梯度提升机算法(light gradient boosting machine,LightGBM)是机器学习领域中比较强大的算法之一,LightGBM采用高效的树学习算法,以更快地训练模型,其独特的直方图分桶方法和基于梯度的单边叶子生长技术降低了内存的使用和计算成本。... 轻梯度提升机算法(light gradient boosting machine,LightGBM)是机器学习领域中比较强大的算法之一,LightGBM采用高效的树学习算法,以更快地训练模型,其独特的直方图分桶方法和基于梯度的单边叶子生长技术降低了内存的使用和计算成本。LightGBM被广泛应用于医疗、自然语言处理、金融、工业制造等领域。然而,LightGBM在高维数据处理、类别特征处理、模型解释性等方面仍面临许多挑战。目前,解决这些问题的方法主要集中在特征工程、可视化、模型混合等方面,并取得了很好的效果。介绍了决策树家族的相关算法原理和变体研究;对LightGBM的原理、优缺点进行梳理,归纳出算法所面临的挑战,并指出LightGBM未来的研究热点和难点;对LightGBM的发展进行了总结和展望。 展开更多
关键词 轻梯度提升机算法 决策树 集成学习 机器学习
下载PDF
基于静力触探与机器学习的打入桩竖向承载力预测
12
作者 莫品强 林浩东 +2 位作者 胡静 高柳 庄培芝 《同济大学学报(自然科学版)》 北大核心 2025年第2期196-205,共10页
分析了单桩承载力的主要影响因素,利用降维算法对静力触探数据进行预处理,使用树模型的重要性分析函数筛选主要特征,由贝叶斯优化算法确定超参数,提出了一种基于机器学习算法的打入桩竖向承载力预测模型。经过准度测试、蒙特卡洛模拟检... 分析了单桩承载力的主要影响因素,利用降维算法对静力触探数据进行预处理,使用树模型的重要性分析函数筛选主要特征,由贝叶斯优化算法确定超参数,提出了一种基于机器学习算法的打入桩竖向承载力预测模型。经过准度测试、蒙特卡洛模拟检验及与经验关系模型的对比,对预测模型的有效性和鲁棒性进行了评估。结果表明,支持向量机(SVM)模型、随机森林(RF)模型、极限梯度提升算法(XGBoost)模型均能较准确地预测打入桩竖向承载力,且准确性显著高于经验关系模型。根据综合分析结果,建议选择XGBoost模型用于打入桩竖向承载力的预测。 展开更多
关键词 静力触探 打入桩承载力 机器学习 降维算法 极限梯度提升算法
下载PDF
基于梯度提升模型的圆钢管混凝土轴压强度预测
13
作者 林宽宏 《福建建设科技》 2025年第2期20-23,共4页
钢管混凝土受力性能复杂,而力学分析模型简化了部分关键因素,导致轴压强度预测准确性不足。机器学习技术通过深度挖掘数据输入与输出之间的非线性关系,为复杂工程问题的数据处理与分析提供了全新的解决方案。本研究基于2553个圆形钢管... 钢管混凝土受力性能复杂,而力学分析模型简化了部分关键因素,导致轴压强度预测准确性不足。机器学习技术通过深度挖掘数据输入与输出之间的非线性关系,为复杂工程问题的数据处理与分析提供了全新的解决方案。本研究基于2553个圆形钢管混凝土构件的轴心受压试验数据,采用梯度提升决策树(GBDT)和轻量梯度提升机(LightGBM)两种机器学习算法,对圆钢管混凝土的轴压强度进行了预测分析。结果表明,两种机器学习模型的大多数预测数据点与实际值的偏差均在20%以内,且训练集和测试集的决定系数均超过0.94,表明这两种模型能够满足圆钢管混凝土轴压强度预测的精度要求。此外,GBDT模型的预测精度略优于LightGBM,因此推荐GBDT模型用于预测圆钢管混凝土轴压承载力。 展开更多
关键词 钢管混凝土 轴压强度 机器学习 梯度提升模型
下载PDF
基于轻量级梯度提升机的非对称风险注塑成形产品尺寸预测模型 被引量：3
14
作者 刘永兴 唐小琦 +2 位作者 钟靖龙 钟震宇 周向东 《中国机械工程》 EI CAS CSCD 北大核心 2022年第8期965-969,共5页
受温度、气压等环境不稳定因素的影响,注塑成形加工过程中工艺参数发生变化,从而导致产品精度下降,产品降级或报废。针对类似环境不稳定因素影响问题,利用加工过程中的数据进行注塑成形尺寸预测,有助于不合格产品的及时发现,减少不合格... 受温度、气压等环境不稳定因素的影响,注塑成形加工过程中工艺参数发生变化,从而导致产品精度下降,产品降级或报废。针对类似环境不稳定因素影响问题,利用加工过程中的数据进行注塑成形尺寸预测,有助于不合格产品的及时发现,减少不合格品的产生。基于轻量级梯度提升机(LightGBM)框架设计了基于加工过程数据及参数的注塑成形产品尺寸预测模型,通过特征提取、异常数据处理、数据集划分、模型训练、模型验证等步骤,建立了具有非对称风险特征的产品尺寸预测模型。针对产品尺寸超规的非对称风险问题,在模型训练过程中引入了基于尺寸范围的加权修正方法,以提高预测模型对超规尺寸的预测精度。最后利用富士康注塑成形尺寸预测数据集进行了验证,结果表明,该模型对超规尺寸具有更高的预测精度,尺寸预测结果平均误差为0.015 mm,考虑非对称风险的加权平均误差为5×10^(-6) mm。 展开更多
关键词 注塑成形 非对称风险 机器学习 尺寸预测 轻量级梯度提升机
下载PDF
多机器学习模型下南京市PM_(2.5)预测分析
15
作者 鞠杨 《环境科学导刊》 2025年第2期46-52,共7页
针对南京市PM_(2.5)浓度预测问题,采用了五种不同的机器学习模型:多元线性回归、随机森林、K最邻近模型(KNN)、BP神经网络模型(BPNN)和极端梯度提升算法(XGBoost)。研究基于南京市2021年和2022年的空气质量及气象数据,通过数据预处理和... 针对南京市PM_(2.5)浓度预测问题,采用了五种不同的机器学习模型:多元线性回归、随机森林、K最邻近模型(KNN)、BP神经网络模型(BPNN)和极端梯度提升算法(XGBoost)。研究基于南京市2021年和2022年的空气质量及气象数据,通过数据预处理和特征缩放,对模型进行训练和测试。评估指标包括相关系数(R2)、均方差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)。研究结果表明,五种模型总体上预测性能良好,其中随机森林模型的预测精度最高,误差最小。不同季节的预测精度分析显示,多元线性回归和BP神经网络模型(BPNN)在春季和冬季的预测精度高于夏季和秋季;而随机森林、K最邻近模型(KNN)和极端梯度提升算内存占用最多,而K最邻近模型(KNN)模型的运行时间和内存占用最少。综合考虑预测精度和运行效率,随机森林模型在南京市PM_(2.5)浓度预测中表现最佳。 展开更多
关键词 气象因子 PM_(2.5)预测 机器学习 多元线性回归模型 随机森林模型 K最邻近模型(KNN) BP神经网络模型(BPNN) 极端梯度提升算法(XGBoost)
下载PDF
机器学习预测有机水污染物光催化降解速率 被引量：1
16
作者 朱炜 王嘉伟 +3 位作者 张梦源 杨旭东 宋振阳 李庆 《纺织高校基础科学学报》 CAS 2024年第1期26-33,共8页
为了预测有机污染物的光催化降解速率,探究污染物分子结构与其降解速率之间的构效关系,设计了一种基于分子指纹的机器学习模型。该模型使用81种有机污染物的523条记录作为模型数据,将污染物MACCS分子指纹与5种实验条件(辐照度、温度、... 为了预测有机污染物的光催化降解速率,探究污染物分子结构与其降解速率之间的构效关系,设计了一种基于分子指纹的机器学习模型。该模型使用81种有机污染物的523条记录作为模型数据,将污染物MACCS分子指纹与5种实验条件(辐照度、温度、催化剂用量、污染物初始浓度和pH值)作为输入特征,采用10种机器学习算法进行建模。结果显示LightGBM算法性能最佳(R~2=0.909 4)。利用沙普利加法解释(Shapley additive explanations, SHAP)框架评估了各输入特征对光催化降解速率的贡献程度,探讨了各输入特征影响光催化降解速率的具体原因。分析表明,在光催化降解中污染物本身结构特征是影响光催化降解速率的主要原因。而且结构中含有卤素原子、N原子和不饱和碳的污染物分子降解速率最快,而结构中含有醚键或羰基的污染物分子降解速率最慢。 展开更多
关键词 有机污染物 光催化 分子指纹 构效关系 机器学习 轻量级梯度提升
下载PDF
基于梯度提升回归树的气井油管积液高度预测 被引量：1
17
作者 向华 夏文龙 +3 位作者 刘波涛 孔梦婷 张玉祥 杨浩波 《长江大学学报（自然科学版）》 2024年第5期94-101,共8页
气井油管积液高度预测是气藏开发的重要环节,更是排水采气不可或缺的一部分。气井开采后期,气井底部会出现积液聚集现象,积液过多会造成气井停产,为了避免停产问题,必须对气井油管积液高度进行预测,但传统石油工程模型预测气井油管积液... 气井油管积液高度预测是气藏开发的重要环节,更是排水采气不可或缺的一部分。气井开采后期,气井底部会出现积液聚集现象,积液过多会造成气井停产,为了避免停产问题,必须对气井油管积液高度进行预测,但传统石油工程模型预测气井油管积液高度,存在着具体计算需要大量经验参数等问题。提出一个基于梯度提升回归树模型预测气井油管积液高度的方法,以气井的套压、油压、油管下深、油层中深、日产气、日产水、井口温度7种生产数据为特征,采用集成学习方法,结合多个决策树的预测结果,以迭代逐步改进的方式来提高模型的整体性能,从而精确预测气井油管积液高度。通过与32口井仪器探测实测值、回归决策树和随机森林对比分析,梯度提升回归树模型预测值与实测值相符,预测效果也最好,平均相对误差仅3.87%,调整后的相关系数R2为0.85。梯度提升回归树模型与现有的油管内积液量和环空积液量预测模型相比较,平均相对误差降低了1.9%。 展开更多
关键词 气井积液 预测模型 机器学习 梯度提升回归树
下载PDF
基于极端梯度提升算法的地震同相轴自动识别
18
作者 黄建平 张若枫 +5 位作者 高睿语 李亚林 段文胜 陈飞旭 郭廷超 潘成磊 《中国石油大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第3期44-56,共13页
在常规地震同相轴识别方法基础上,通过引入极端梯度提升算法(XGBoost)智能化策略,并结合地震数据相邻道相似性特征,发展一种基于极端梯度提升算法的地震同相轴自动识别技术方法。在编程实现方法的基础上,通过简单层状模型和复杂Marmous... 在常规地震同相轴识别方法基础上,通过引入极端梯度提升算法(XGBoost)智能化策略,并结合地震数据相邻道相似性特征,发展一种基于极端梯度提升算法的地震同相轴自动识别技术方法。在编程实现方法的基础上,通过简单层状模型和复杂Marmousi模型模拟的记录进行测试,验证方法的正确性。对含噪音数据和实际资料中的同相轴进行识别测试,同时进行单道对比定量分析以及不同信噪比情况下算法预测结果精度对比。结果表明:新方法对含噪数据和实际资料均具有较好的适应性;在低信噪比(-6.98 dB)情况下,同相轴的查准率仍可超过90%。 展开更多
关键词 同相轴拾取 机器学习 特征拾取 极端梯度提升算法
下载PDF
基于超声内镜影像组学和机器学习的胃肠道间质瘤与非胃肠道间质瘤鉴别方法 被引量：1
19
作者 王卓然 张贤达 +17 位作者 曹羽成 张玲 龚婷婷 马烨波 段晓倩 郭康丽 李军 陈媛 张健涛 叶本功 丁进 朱建伟 刘枫 胡端敏 周春华 邹多武 李庆利 陈建刚 《海军军医大学学报》 CAS CSCD 北大核心 2024年第1期21-28,共8页
目的建立并验证基于超声内镜影像组学和机器学习的胃肠道间质瘤与非胃肠道间质瘤的鉴别方法。方法纳入符合标准的患者435例,采集胃肠道间质瘤(257例)与非胃肠道间质瘤(包括胃平滑肌瘤145例、神经鞘瘤33例)超声内镜图像共3279张,按患者比... 目的建立并验证基于超声内镜影像组学和机器学习的胃肠道间质瘤与非胃肠道间质瘤的鉴别方法。方法纳入符合标准的患者435例,采集胃肠道间质瘤(257例)与非胃肠道间质瘤(包括胃平滑肌瘤145例、神经鞘瘤33例)超声内镜图像共3279张,按患者比7∶3分为训练集和测试集。采用Pyradiomics软件提取肿瘤影像组学特征,并应用主成分分析(PCA)、最小绝对收缩和选择算子(LASSO)、极致梯度提升树(XGBoost)、随机森林、递归式特征消除(RFE)算法设计特征筛选方案,基于所选特征通过支持向量机分类器建立模型。通过ROC曲线评估各模型对胃肠道间质瘤与非胃肠道间质瘤的预测效能。结果由最终筛选得到的超声内镜影像组学特征建立影像组学模型,基于5种特征筛选方案(PCA、PCA+LASSO、PCA+XGBoost、PCA+随机森林、PCA+RFE)建立的预测模型的AUC分别为0.581、0.870、0.874、0.860、0.661。结论PCA+XGBoost的特征筛选方案效果最佳,基于上述影像组学和机器学习方法鉴别胃肠道间质瘤与非胃肠道间质瘤的模型可用于患者的术前预测。 展开更多
关键词 胃肠道间质瘤 超声内镜 影像组学 机器学习 主成分分析 极致梯度提升树
原文传递
基于多中心队列数据的机器学习预测重症感染患儿死亡风险和筛选临床特征的研究 被引量：1
20
作者 朱雪梅 陈申成 +4 位作者 章莹莹 陆国平 叶琪 阮彤 郑英杰 《中国循证儿科杂志》 CSCD 北大核心 2024年第1期31-35,共5页
背景科学、有效地预测重症感染患儿死亡关联因素对降低儿童病死率意义重大。既往重症患儿的病情与死亡关系多采用评分预测(如PCIS等),准确度欠佳。目的通过机器学习联合特征筛选的方法,挖掘对重症感染患儿死亡风险具有早期预警作用的敏... 背景科学、有效地预测重症感染患儿死亡关联因素对降低儿童病死率意义重大。既往重症患儿的病情与死亡关系多采用评分预测(如PCIS等),准确度欠佳。目的通过机器学习联合特征筛选的方法,挖掘对重症感染患儿死亡风险具有早期预警作用的敏感指标。设计队列研究。方法基于全国20个省级行政区域的54家PICU的儿童多中心感染性疾病协作网数据库,纳入年龄>28天至18岁、确诊感染和至少有1个器官发生功能障碍的患儿,统计122项临床特征信息,以出PICU时死亡/恶化或治愈/好转为结局,通过机器学习构建逻辑回归模型(LR)、随机森林模型(RF)、极端梯度提升树(XGB)和反向传播神经网络(BP),筛选重要的临床特征建立重症感染患儿死亡风险预测模型。主要结局指标模型接收者操作特征曲线下面积(AUROC)和模型筛选临床特征性能的优劣。结果2022年4月1日至2023年12月31日协作网数据库中入PICU时确诊重症感染且入PICU时、入PICU 24 h时和出PICU时临床特征记录均完整的(病例1738例,经过数据预处理包括异常值处理、缺失值填充、强制值区间范围检验、归一化处理)1738条信息进入机器学习构建模型。存活或好转患儿1396例,死亡或恶化患儿342例(19.6%)。队列数据按4∶1分为训练集(1390条)和验证集(348条),训练集中存活或好转1116条,死亡或恶化274条;验证集中存活或好转280条,死亡或恶化68条。在训练集中,共输入模型122个临床特征,经过机器模型学习以及特征筛选后,在50轮的5折分层交叉验证下,验证集LR、RF和XGB的AUROC为0.74~0.78。LR、RF和XGB选择重要性大于均值的临床特征构建最优临床特征,尚无比较好的衡量BP特征重要性的方法,LR模型较RF和XGB构建的最优临床特征较为接近临床预期。结论机器学习预测儿童重症感染性疾病死亡/恶化结局表现一般,预测模型筛选的临床特征与临床预期尚有距离。 展开更多
关键词 机器学习 儿童重症监护室 感染 随机森林模型 极端梯度提升树
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 10 下一页 到第 页
使用帮助 返回顶部