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5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：
基于梯度提升算法的近地面臭氧浓度估算比较 被引量：6
1
作者 梁晓霞 谢东海 +4 位作者 韩宗甫 宋世鹏 张欣欣 顾坚斌 余超 《中国环境科学》 EI CAS CSCD 北大核心 2023年第8期3886-3899,共14页
提出了一种基于梯度提升树优化的近地面O_(3)浓度时空分布估算模型.基于O_(3)地面观测站点数据、高分辨率大气成分卫星数据(TROPOMI、AIRS)、ERA5气象再分析资料、以及地表覆盖和地形数据,本文研究了京津冀地区近地面O_(3)与对流层O_(3... 提出了一种基于梯度提升树优化的近地面O_(3)浓度时空分布估算模型.基于O_(3)地面观测站点数据、高分辨率大气成分卫星数据(TROPOMI、AIRS)、ERA5气象再分析资料、以及地表覆盖和地形数据,本文研究了京津冀地区近地面O_(3)与对流层O_(3)及其前体物、气象因素、以及下垫面资料之间的相关关系,对比分析了不同梯度提升树算法模型(GBDT、XGBoost、LightGBM)的估算精度.结果表明,3种模型整体上均可对近地面O_(3)进行精确估算,GBDT、XGBoost、LightGBM的决定系数R^(2)分别为0.9489、0.9547、0.9495,均方根误差RMSE分别为13.85,13.26,13.76μg/m^(3),XGBoost模型的精度相对最高;通过采用过滤法、相关性分析法以及递归特征消除法筛选特征,对XGBoost估算模型进行了优化,在保证模型精度前提下,降低了特征复杂度,优化后模型估算精度可达到R^(2)=0.9549,估算速率提升了约17%,为区域尺度O_(3)浓度时空分布建模与估算提供了一个精细而高效的方法模型. 展开更多
关键词 近地面臭氧 对流层臭氧 梯度提升回归模型 卫星遥感 特征选择 时空分布
下载PDF
机场典型霾过程大气消光特性及能见度预测模型
2
作者 郑宸 王璇 +2 位作者 王立婕 马思萌 韩博 《环境工程》 CAS CSCD 2024年第3期215-224,共10页
大气能见度是机场运行的重要指标之一,探究机场低能见度天气形成机理、准确预测能见度变化趋势对保障航空交通安全高效运行至关重要。选取天津机场为研究对象,开展大气光学参数、污染物浓度及气象条件监测,研究了2020年12月08—23日一... 大气能见度是机场运行的重要指标之一,探究机场低能见度天气形成机理、准确预测能见度变化趋势对保障航空交通安全高效运行至关重要。选取天津机场为研究对象,开展大气光学参数、污染物浓度及气象条件监测,研究了2020年12月08—23日一次典型霾天气过程中机场大气消光特性,并基于广义加性模型(generalized additive model,GAM)和梯度提升回归树模型(gradient boost regression tree,GBRT)分别构建机场能见度预测模型,对比并确定最优模型。结果表明,在天津机场冬季一次典型霾污染引起的低能见度过程中,大气总消光系数Bext为37.4~891.7Mm^(-1),平均值为346.0 Mm^(-1)。其中,B_(sp)、B_(ap)、B_(ag)、B_(sg)对B_(ext)的贡献占比分别为73.7%、11.7%、5.9%和8.7%,气溶胶污染是造成能见度降低的主要因素,GBRT分析显示1μm以下粒子对总消光的相对贡献最大。同时,大气黑碳(BC)和NO_(2)也会通过消光作用降低能见度。利用气象参数和污染物浓度数据,通过GAM和GBRT模型均可以对机场能见度进行较为准确的预测,其中GBRT模型的拟合效果优于GAM模型,表明GBRT模型可在多发的霾天气中提供准确可靠的机场能见度预测。 展开更多
关键词 机场污染 大气消光特性 低能见度预测 广义加性模型 梯度提升回归树模型
原文传递
基于GBRT算法的地层孔隙压力预测研究 被引量：1
3
作者 李春茂 徐云贵 +1 位作者 刘浩杰 盖姗姗 《中国石油和化工标准与质量》 2022年第5期119-120,共2页
本文提出了一种基于梯度提升回归模型的地层孔隙压力预测新方法。实际应用表明:新方法预测精度更高、适用范围更广泛,证明该模型可有效预测地层孔隙压力,具有良好的实用性。
关键词 地层孔隙压力 测井资料 灰色关联度法 梯度提升回归树模型
原文传递
基于梯度提升回归树的城市道路行程时间预测 被引量：26
4
作者 龚越 罗小芹 +1 位作者 王殿海 杨少辉 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2018年第3期453-460,共8页
为了提高行程时间的预测精度,在考虑时间序列相关性的同时,分析相邻路段的空间相关性对于行程时间的影响,并提出基于梯度提升回归树模型的城市道路行程时间预测方法.对车牌识别设备获取的实际数据进行预处理,并提出相应的补全算法以解... 为了提高行程时间的预测精度,在考虑时间序列相关性的同时,分析相邻路段的空间相关性对于行程时间的影响,并提出基于梯度提升回归树模型的城市道路行程时间预测方法.对车牌识别设备获取的实际数据进行预处理,并提出相应的补全算法以解决数据缺失问题,建立完整的历史数据集.通过分析各影响因素与行程时间的相关性,构建特征向量.为了能更好地理解模型,通过梯度提升回归树模型输出各变量对于预测结果的重要度.利用实际数据对模型进行评估,预测行程时间的平均绝对误差百分比,约为10.0%.与SVM、ARIMA等方法相比,所提方法具有较高的精度. 展开更多
关键词 交通工程 短时交通流预测 梯度提升回归树模型(GBRT) 城市道路行程时间 车牌识别数据
下载PDF
基于图像处理和GBRT模型的表土层土壤容重预测 被引量：8
5
作者 杨玮 兰红 +1 位作者 李民赞 孟超 《农业机械学报》 EI CAS CSCD 北大核心 2020年第9期193-200,共8页
针对传统的表土层土壤容重测量方法费时、耗力的问题,利用易获得的土壤物理参数实现农田大范围表土层土壤容重的快速、准确预测。通过分析表土层土壤容重与土壤表面粗糙度、土壤阻力的关系,构建了以土壤表面粗糙度和土壤阻力为输入的GBR... 针对传统的表土层土壤容重测量方法费时、耗力的问题,利用易获得的土壤物理参数实现农田大范围表土层土壤容重的快速、准确预测。通过分析表土层土壤容重与土壤表面粗糙度、土壤阻力的关系,构建了以土壤表面粗糙度和土壤阻力为输入的GBRT模型,土壤表面粗糙度利用图像处理技术获得,土壤阻力使用实验室车载式阻力测量系统获得。使用同态滤波技术对土壤表面图像进行预处理,提取图像灰度直方图的熵、平均值、方差、偏度和峰度表征图像的纹理特征参数,提取图像灰度共生矩阵的能量、熵、对比度和逆方差表征图像的区域特征参数。利用灰度关联分析,从9个表征土壤表面粗糙度的特征参数和土壤阻力中选取与表土层土壤容重关联度大于0.65的变量作为模型输入,将得到的GBRT模型预测结果与环刀法得到的结果进行相关性分析,R2达到0.8782,平均绝对误差达到0.021 g/cm^3。同时在相同的输入参数和运算环境下,与BPNN和SVR模型的预测精度和运算速度进行了对比,验证得到GBRT模型具有更高的预测精度和更短的运算时间。本文研究结果为科学指导农田表土层土壤容重的获取提供了思路。 展开更多
关键词 土壤容重 图像处理 梯度提升决策回归树模型 预测 土壤表面粗糙度 土壤阻力
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 下一页 到第 页
使用帮助 返回顶部