期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于贝叶斯优化XGBoost的多元输入模型对滑坡位移预测效果研究
1
作者
曹文康
徐哈宁
+4 位作者
肖慧
范凌峰
胡佳超
游丝
露
刘天泽
《测绘工程》
2024年第2期49-55,共7页
针对滑坡区降雨量较少以及受库水位影响小,从而导致滑坡位移预测效果不理想的问题,提出多元滑坡影响因素作为输入和贝叶斯优化极致梯度提升(BO-XGBoost)模型预测滑坡位移的方法。通过随机森林模型、XGBoost模型和Pearson相关系数法对影...
针对滑坡区降雨量较少以及受库水位影响小,从而导致滑坡位移预测效果不理想的问题,提出多元滑坡影响因素作为输入和贝叶斯优化极致梯度提升(BO-XGBoost)模型预测滑坡位移的方法。通过随机森林模型、XGBoost模型和Pearson相关系数法对影响滑坡位移的6个特征进行训练得到融合的特征重要度,并以此特征重要度排序选择5种不同特征数量的输入量,最后建立BO-XGBoost模型预测滑坡位移。以杨家坡滑坡为例,将降雨量、土壤含水率和水平位移作为输入对高程方向位移进行预测,并与自适应提升(AdaBoost)、线性回归(LR)和XGBoost模型比较预测结果。实验结果表明,该模型采用多元化输入后,决定系数提高了0.161,均方误差和平均绝对误差分别减小了79.83%和58.85%,且预测效果优于其他3个模型。
展开更多
关键词
滑坡
位移预测
贝叶斯优化
极致梯度提升
下载PDF
职称材料
基于双采样随机森林的临滑阶段的预测算法:以湖北黄石5号铁矿石治理地块为例
2
作者
郭明娟
徐哈宁
+3 位作者
肖慧
范凌峰
胡佳超
游丝
露
《科学技术与工程》
北大核心
2024年第14期5733-5741,共9页
针对碎石土边坡监测过程中滑坡稳定变形期与临滑阶段监测数据量严重不匹配,导致临滑阶段数据量偏小,从而产生的非平衡数据集造成预判不准确的问题,提出了一种基于DST随机森林的碎石土边坡临滑阶段地表位移的预测算法。首先,采用过采样...
针对碎石土边坡监测过程中滑坡稳定变形期与临滑阶段监测数据量严重不匹配,导致临滑阶段数据量偏小,从而产生的非平衡数据集造成预判不准确的问题,提出了一种基于DST随机森林的碎石土边坡临滑阶段地表位移的预测算法。首先,采用过采样和欠采样相结合的双采样技术(double sampling technique,DST)对地表位移中的非平衡数据集进行采集,然后,通过随机森林预测算法有放回的随机抽样进行预测,最后,通过实验得出预测结果。结果表明:DST随机森林预测算法相比于普通随机森林预测算法预测误差率降低到3.39%,证明双采样技术(DST)采集临滑阶段非平衡数据集的必要性。
展开更多
关键词
碎石土边坡
临滑阶段
地表位移
随机森林
非平衡数据集
双采样技术
下载PDF
职称材料
基于鲸鱼优化混合神经网络的滑坡位移预测
3
作者
罗超雷
徐哈宁
+3 位作者
肖慧
范凌峰
胡佳超
游丝
露
《科学技术与工程》
北大核心
2024年第16期6610-6616,共7页
针对静态机器学习模型难以有效反映滑坡的动态演化特性,且存在时序过长时历史数据遗忘导致位移预测结果不稳定的问题。提出一种基于鲸鱼优化卷积神经网络(convolutional neural networks, CNN)和双向门控循环神经网络(bidirectional gat...
针对静态机器学习模型难以有效反映滑坡的动态演化特性,且存在时序过长时历史数据遗忘导致位移预测结果不稳定的问题。提出一种基于鲸鱼优化卷积神经网络(convolutional neural networks, CNN)和双向门控循环神经网络(bidirectional gated recurrent neural network, BiGRU)的滑坡位移动态预测方法。首先对滑坡影响因子进行特征筛选,构建数据集,建立CNN-BiGRU网络模型,使用鲸鱼优化算法(whale optimization algorithm, WOA)对模型进行超参数寻优,使用CNN网络模型从滑坡数据中提取潜在的特征向量,将特征向量以时间序列的形式输入BiGRU模型中,利用其处理时间序列数据的优势,完成滑坡位移预测。结果表明:所提出模型得到的滑坡位移预测精度较高,与未优化的CNN-BiGRU相比均方根误差(root mean square error, RMSE)下降了0.030 5 mm。
展开更多
关键词
滑坡位移预测
鲸鱼优化算法(WOA)
卷积神经网络(CNN)
双向门控循环神经网络(BiGRU)
下载PDF
职称材料
题名
基于贝叶斯优化XGBoost的多元输入模型对滑坡位移预测效果研究
1
作者
曹文康
徐哈宁
肖慧
范凌峰
胡佳超
游丝
露
刘天泽
机构
江西省防震减灾与工程地质灾害探测工程研究中心
东华理工大学地球物理与测控技术学院
出处
《测绘工程》
2024年第2期49-55,共7页
基金
江西省防震减灾与工程地质灾害探测工程研究中心开放基金项目(SDGD202005)
江西省自然科学基金项目(20212BAB203004)。
文摘
针对滑坡区降雨量较少以及受库水位影响小,从而导致滑坡位移预测效果不理想的问题,提出多元滑坡影响因素作为输入和贝叶斯优化极致梯度提升(BO-XGBoost)模型预测滑坡位移的方法。通过随机森林模型、XGBoost模型和Pearson相关系数法对影响滑坡位移的6个特征进行训练得到融合的特征重要度,并以此特征重要度排序选择5种不同特征数量的输入量,最后建立BO-XGBoost模型预测滑坡位移。以杨家坡滑坡为例,将降雨量、土壤含水率和水平位移作为输入对高程方向位移进行预测,并与自适应提升(AdaBoost)、线性回归(LR)和XGBoost模型比较预测结果。实验结果表明,该模型采用多元化输入后,决定系数提高了0.161,均方误差和平均绝对误差分别减小了79.83%和58.85%,且预测效果优于其他3个模型。
关键词
滑坡
位移预测
贝叶斯优化
极致梯度提升
Keywords
landslide
displacement prediction
Bayesian optimization
XGBoost
分类号
P642.22 [天文地球—工程地质学]
下载PDF
职称材料
题名
基于双采样随机森林的临滑阶段的预测算法:以湖北黄石5号铁矿石治理地块为例
2
作者
郭明娟
徐哈宁
肖慧
范凌峰
胡佳超
游丝
露
机构
江西省放射性地学大数据技术工程实验室(东华理工大学)
江西省防震减灾与工程地质灾害探测工程研究中心(东华理工大学)
出处
《科学技术与工程》
北大核心
2024年第14期5733-5741,共9页
基金
江西省放射性地学大数据技术工程实验室基金(JELRGBDT202206)
江西省自然科学基金(20212BAB203004)
江西省防震减灾与工程地质灾害探测工程研究中心开放基金(SDGD202005)。
文摘
针对碎石土边坡监测过程中滑坡稳定变形期与临滑阶段监测数据量严重不匹配,导致临滑阶段数据量偏小,从而产生的非平衡数据集造成预判不准确的问题,提出了一种基于DST随机森林的碎石土边坡临滑阶段地表位移的预测算法。首先,采用过采样和欠采样相结合的双采样技术(double sampling technique,DST)对地表位移中的非平衡数据集进行采集,然后,通过随机森林预测算法有放回的随机抽样进行预测,最后,通过实验得出预测结果。结果表明:DST随机森林预测算法相比于普通随机森林预测算法预测误差率降低到3.39%,证明双采样技术(DST)采集临滑阶段非平衡数据集的必要性。
关键词
碎石土边坡
临滑阶段
地表位移
随机森林
非平衡数据集
双采样技术
Keywords
soil landslide
pre-slip stage
surface displacement
random forest
non-balanced data set
double sampling technique
分类号
P642.22 [天文地球—工程地质学]
P694 [天文地球—地质矿产勘探]
下载PDF
职称材料
题名
基于鲸鱼优化混合神经网络的滑坡位移预测
3
作者
罗超雷
徐哈宁
肖慧
范凌峰
胡佳超
游丝
露
机构
江西省防震减灾与工程地质灾害探测工程研究中心(东华理工大学)
东华理工大学地球物理与测控技术学院
出处
《科学技术与工程》
北大核心
2024年第16期6610-6616,共7页
基金
江西省防震减灾与工程地质灾害探测工程研究中心开放基金(SDGD202005)
江西省自然科学基金(20212BAB203004)
江西省教育厅科学技术研究项目(GJJ200727)。
文摘
针对静态机器学习模型难以有效反映滑坡的动态演化特性,且存在时序过长时历史数据遗忘导致位移预测结果不稳定的问题。提出一种基于鲸鱼优化卷积神经网络(convolutional neural networks, CNN)和双向门控循环神经网络(bidirectional gated recurrent neural network, BiGRU)的滑坡位移动态预测方法。首先对滑坡影响因子进行特征筛选,构建数据集,建立CNN-BiGRU网络模型,使用鲸鱼优化算法(whale optimization algorithm, WOA)对模型进行超参数寻优,使用CNN网络模型从滑坡数据中提取潜在的特征向量,将特征向量以时间序列的形式输入BiGRU模型中,利用其处理时间序列数据的优势,完成滑坡位移预测。结果表明:所提出模型得到的滑坡位移预测精度较高,与未优化的CNN-BiGRU相比均方根误差(root mean square error, RMSE)下降了0.030 5 mm。
关键词
滑坡位移预测
鲸鱼优化算法(WOA)
卷积神经网络(CNN)
双向门控循环神经网络(BiGRU)
Keywords
landslide displacement prediction
whale optimization algorithm(WOA)
convolutional neural networks(CNN)
bidirectional gated recurrent neural network(BiGRU)
分类号
P642.22 [天文地球—工程地质学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于贝叶斯优化XGBoost的多元输入模型对滑坡位移预测效果研究
曹文康
徐哈宁
肖慧
范凌峰
胡佳超
游丝
露
刘天泽
《测绘工程》
2024
0
下载PDF
职称材料
2
基于双采样随机森林的临滑阶段的预测算法:以湖北黄石5号铁矿石治理地块为例
郭明娟
徐哈宁
肖慧
范凌峰
胡佳超
游丝
露
《科学技术与工程》
北大核心
2024
0
下载PDF
职称材料
3
基于鲸鱼优化混合神经网络的滑坡位移预测
罗超雷
徐哈宁
肖慧
范凌峰
胡佳超
游丝
露
《科学技术与工程》
北大核心
2024
0
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部