配电线路多源数据挖掘时变故障概率计算 被引量：12

1

作者 谢桦 陈昊 张沛 《电力系统及其自动化学报》 CSCD 北大核心 2020年第9期63-67,共5页

准确预测配电线路故障概率对于确定配电网运行方式非常重要。本文提出一种基于多源数据挖掘的配电线路时变故障概率计算方法。首先,采用Relief算法筛选出与故障密切相关的特征变量。其次,采用支持向量机法进行配电线路运行工况预测,建... 准确预测配电线路故障概率对于确定配电网运行方式非常重要。本文提出一种基于多源数据挖掘的配电线路时变故障概率计算方法。首先,采用Relief算法筛选出与故障密切相关的特征变量。其次,采用支持向量机法进行配电线路运行工况预测,建立时变故障概率计算模型。最后,以某市配电系统为算例,基于馈线历史数据进行了算法验证。计算结果表明,本文提出的算法可实现线路故障概率的量化计算,从而为系统运行调控人员提供决策依据。 展开更多

关键词 配电线路 时变故障概率 多源数据挖掘 支持向量机 特征变量

下载PDF 职称材料

基于ICESat-2和Sentinel-2A数据的森林蓄积量反演 被引量：3

2

作者 刘美艳 聂胜 +3 位作者 王成 习晓环 程峰 冯宝坤 《自然资源遥感》 CSCD 北大核心 2024年第1期210-216,共7页

森林蓄积量是林业调查的重要指标,在衡量森林健康状况和评价森林固碳能力等方面发挥重要作用,协同主被动遥感是当前反演大区域森林蓄积量的主要手段。以云南香格里拉森林为研究区,分别提取ICESat-2/ATLAS和Sentinel-2A影像的特征变量,... 森林蓄积量是林业调查的重要指标,在衡量森林健康状况和评价森林固碳能力等方面发挥重要作用,协同主被动遥感是当前反演大区域森林蓄积量的主要手段。以云南香格里拉森林为研究区,分别提取ICESat-2/ATLAS和Sentinel-2A影像的特征变量,并通过相关性分析和共线性诊断方法筛选特征变量,构建Sentinel-2A变量集和ICESat-2/ATLAS变量集,以及二者联合的变量集,然后结合样地实测数据与3个特征变量集,采用逐步线性回归和随机森林方法分别建立线性和非线性回归模型,反演森林蓄积量,并对结果进行精度验证及对比分析。研究结果表明:对3个变量集,随机森林方法精度均优于逐步线性回归;ICESat-2/ATLAS变量集在2种回归方法下的反演精度均高于Sentinel-2A变量集;联合Sentinel-2A和ICESat-2/ATLAS变量集,随机森林方法的反演精度最高,其R 2,RMSE和rRMSE分别为0.7034,84.78 m^(3)/hm^(2)和36.46%。整体来说,与Sentinel-2A数据相比,基于ICESat-2/ATLAS数据及其与多源数据联合的反演模型均可以提高森林蓄积量反演精度和模型稳定性。 展开更多

关键词 森林蓄积量 特征变量 随机森林 多元回归 ICESat-2/ATLAS Sentinel-2A

下载PDF 职称材料

基于特征变量扩展的含气饱和度随机森林预测方法 被引量：2

3

作者 桂金咏 李胜军 +2 位作者 高建虎 刘炳杨 郭欣 《岩性油气藏》 CAS CSCD 北大核心 2024年第2期65-75,共11页

采用数据驱动的方式,提出了一种基于随机森林机器学习算法训练出含气饱和度地震预测方法,并将该方法应用于中国西部复杂天然气藏中,分别对单井资料和二维地震资料进行了含气饱和度预测与分析。研究结果表明:(1)抽取井旁道纵波速度、横... 采用数据驱动的方式,提出了一种基于随机森林机器学习算法训练出含气饱和度地震预测方法,并将该方法应用于中国西部复杂天然气藏中,分别对单井资料和二维地震资料进行了含气饱和度预测与分析。研究结果表明:(1)抽取井旁道纵波速度、横波速度和密度3个弹性参数叠前地震反演结果作为基本特征变量样本,引入边界合成少数类过采样技术对基本特征变量样本和对应的含气饱和度样本进行平衡化处理;利用扩展弹性阻抗结合数学变换自动生成一系列的扩展变量;再利用随机森林对特征变量进行含气饱和度预测重要性排名,并优选重要性较高的特征变量进行含气饱和度随机森林训练。(2)该方法大幅减少了特征变量提取和优选的人工工作量,且有效减少了信息冗余以及因含气饱和度样本不平衡导致的训练偏倚问题,有效增强了随机森林算法在含气饱和度地震预测方面的能力。(3)实际单井应用中预测的含气饱和度与测井解释的含气饱和度的相关系数可达0.9855;在二维地震资料应用中,该方法比基于常规未平衡化的11个弹性参数作为随机森林输入预测出的含气饱和度精度更高。 展开更多

关键词 含气饱和度 随机森林 纵波速度 横波速度 密度 特征变量 不平衡数据 机器学习 气层预测 地震预测

下载PDF 职称材料

城市轨道交通建设对沿线住宅价格的影响——基于Hedonic模型实证研究 被引量：6

4

作者 杨友孝 姚毅凯 《特区经济》 2014年第12期117-119,共3页

城市轨道建设不仅可以改善城市交通状况,丰富人们的出行选择,还能极大促地进沿线房地产行业的发展。以广州地铁13号线为例,通过构建半对数Hedonic模型,选取建筑、区位、邻里特征三大类共12个变量纳入模型,实证分析地铁对沿线住宅价格的... 城市轨道建设不仅可以改善城市交通状况,丰富人们的出行选择,还能极大促地进沿线房地产行业的发展。以广州地铁13号线为例,通过构建半对数Hedonic模型,选取建筑、区位、邻里特征三大类共12个变量纳入模型,实证分析地铁对沿线住宅价格的影响因素。模型结果显示:物业费对住宅价格具有正向影响;住宅距广州市中心距离是影响住宅价格的首要区位因素;地铁修建会给沿线1000m范围住宅带来价格增值,在0-1000m内呈现先升后降趋势,在200-400m内,增值比例最高。 展开更多

关键词 住宅价格 HEDONIC模型 影响因素 特征变量 广州地铁13号线

下载PDF 职称材料

基于LSTM的地铁车站设备间设备发热量预测

5

作者 孙心明 李国栋 +4 位作者 刘军 夏三县 篮杰 余伟之 王海涛 《节能》 2024年第10期98-100,共3页

设计地铁车站设备间空调系统时,缺少可靠的发热量数据会影响其精细化设计和节能减排效果。结合实测地铁车站设备间的设备发热量数据,通过定量分析特征变量对地铁车站设备间设备发热量变化的影响,确定地铁车站设备间设备发热量预测的5个... 设计地铁车站设备间空调系统时,缺少可靠的发热量数据会影响其精细化设计和节能减排效果。结合实测地铁车站设备间的设备发热量数据,通过定量分析特征变量对地铁车站设备间设备发热量变化的影响,确定地铁车站设备间设备发热量预测的5个稳定特征变量和9个时变特征变量。考虑地铁车站设备间设备发热量数据的非线性和时序相关性特点,给出一种基于长短期记忆神经网络(LSTM)的地铁车站设备间设备发热量预测方法。该方法可以明显提高地铁车站设备间设备发热量预测的准确性,为未来解决地铁车站空调系统设计、节能控制和智能控制等问题提供参考。 展开更多

关键词 地铁车站 设备发热量 特征变量 LSTM神经网络

下载PDF 职称材料

基于Logit模型的高铁快递市场分担率预测研究 被引量：3

6

作者 张晓玲 《铁道运输与经济》 北大核心 2018年第12期93-97,116,共6页

为锁定目标市场,提升高铁快递市场份额,在阐述快递运输的分类、高铁快递概况的基础上,从高铁快递的组织模式、班列运营模式、成本分析等方面,对影响高铁快递市场分担率的因素展开分析。在此基础上,构建Logit模型,选取安全性、快速性、... 为锁定目标市场,提升高铁快递市场份额,在阐述快递运输的分类、高铁快递概况的基础上,从高铁快递的组织模式、班列运营模式、成本分析等方面,对影响高铁快递市场分担率的因素展开分析。在此基础上,构建Logit模型,选取安全性、快速性、经济性、方便性、准时性及服务质量6个指标作为Logit模型的特性变量,并通过SP问卷调查数据对模型各参数进行标定,预测高铁快递的市场分担率。最后,以深圳、广州、长沙3个城市间的快递业务为例,预测高铁快递在这3个城市间的快递市场分担率,为提升高铁快递市场竞争力提供参考。 展开更多

关键词 高速铁路 快递 市场份额 LOGIT 模型 特性变量

下载PDF 职称材料

基于多检测模型半导体气敏传感器故障诊断 被引量：2

7

作者 汤晓君 张进永 刘君华 《吉林大学学报（信息科学版）》 CAS 2006年第2期125-130,共6页

半导体气敏传感器的老化与意外“伤害”可能致使传感器失效,为提高检测的可靠性,提出了一种新的的传感器故障诊断方法。该方法对金属氧化物半导体甲烷传感器进行热调制,从传感器的动态输出信号中提取两组特征变量,构建两个不同的甲烷检... 半导体气敏传感器的老化与意外“伤害”可能致使传感器失效,为提高检测的可靠性,提出了一种新的的传感器故障诊断方法。该方法对金属氧化物半导体甲烷传感器进行热调制,从传感器的动态输出信号中提取两组特征变量,构建两个不同的甲烷检测模型,提出根据两个模型的检测结果的一致性判断传感器的是否发生故障。应用实例表明,该方法能准确判断金属氧化物半导体甲烷传感器是否发生故障。由于不需要其他冗余硬件设备,因此故障诊断不受其他冗余硬件设备的影响,节省资源,价格便宜,可靠性高。此外,这种方法计算量小,故障诊断对系统的配置要求低。 展开更多

关键词 半导体气敏传感器 故障诊断 特征变量 多检测模型

下载PDF 职称材料

实现机床颤振早期诊断的一个新的特征量 被引量：1

8

作者 梅志坚 昌松 +1 位作者 师汉民 杨叔子 《武汉工业大学学报》 CSCD 1990年第2期69-77,共9页

本文通过大量试验信号的互谱分析,找出了颤振建立过程中切削力和振动加速度信号互谱的特征变化:主频带的移动及其相位差的变化.然后,基于互谱与互相关函数的关系.分析了一步互相关系数的变化与互谱上述两种特征变化的内在联系.从而可将... 本文通过大量试验信号的互谱分析,找出了颤振建立过程中切削力和振动加速度信号互谱的特征变化:主频带的移动及其相位差的变化.然后,基于互谱与互相关函数的关系.分析了一步互相关系数的变化与互谱上述两种特征变化的内在联系.从而可将一步互相关系数作为机床颤振早期诊断的一个特征量.试验结果表明,该特征量是有效的. 展开更多

关键词 机床 颤振 诊断 特征量 在线 互谱

原文传递

数值天气预报对卫星大数据的需求分析 被引量：2

9

作者 杨何群 王晓峰 +3 位作者 高彦青 陆一闻 麻炳欣 王昕瑶 《大数据》 2022年第2期89-102,共14页

多星协同的对地观测可提供多谱段、多时相、多要素、多尺度、多层次的遥感数据,为数值天气预报提供丰富的价值信息。为了支撑未来地球系统无缝隙精细化网格预报服务,从探测变量、时间分辨率、空间覆盖度和水平分辨率、垂直分辨率、精度... 多星协同的对地观测可提供多谱段、多时相、多要素、多尺度、多层次的遥感数据,为数值天气预报提供丰富的价值信息。为了支撑未来地球系统无缝隙精细化网格预报服务,从探测变量、时间分辨率、空间覆盖度和水平分辨率、垂直分辨率、精度与时效等方面探讨了数值天气预报对卫星观测大数据需求的应用现状。同时,为了使卫星大数据高受容于数值天气预报,总结了多星数据一体化一致性处理、全天候/耦合的资料同化方法、与人工智能深度结合、卫星观测与预报互动等方面面临的挑战和前景。 展开更多

关键词 数值天气预报 卫星 大数据 特征变量 时空分辨率 精度

下载PDF 职称材料

一种特征变量广义预测控制方法 被引量：1

10

作者 吴金霞 《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心 2019年第6期566-572,共7页

针对一类具有统计运动规律的复杂生产过程系统难以控制问题,提出了一种新的广义预测控制方法,即直接利用特征向量而非状态变量,通过工况模式所属类别的变化来描述系统的动力学特性,进行控制器设计.在前期二维工作的基础上,将该方法推广... 针对一类具有统计运动规律的复杂生产过程系统难以控制问题,提出了一种新的广义预测控制方法,即直接利用特征向量而非状态变量,通过工况模式所属类别的变化来描述系统的动力学特性,进行控制器设计.在前期二维工作的基础上,将该方法推广到高维.以三维情形为例,根据安阳钢铁厂400烧结机的实际工况数据,首先提取工况特征变量并进行模式类别划分,其次通过定义描述模式运动的变量来建立系统的预测模型,最后根据新变量进行广义预测控制.研究结果表明:该方法能够有效描述系统的统计特性,并根据实际工况数据及预测模型直接辨识得到控制器中的参数,对系统进行了有效的控制,解决了该类系统难以控制问题. 展开更多

关键词 广义预测控制 特征变量 模式运动空间 模式类别变量 烧结过程

下载PDF 职称材料

基于元结构的加工中心床身动态特性优化

11

作者 刘红宝 米洁 +1 位作者 杨庆东 苌彬 《北京信息科技大学学报（自然科学版）》 2020年第3期50-53,共4页

为优化加工中心床身动态特性,提出一种基于元结构特征变量分析的优化方法。根据元结构理论将床身分解为能体现其动态特性的单元格结构,基于有限元模态分析法,探究了元结构特征变量对其前六阶固有频率的影响,在此基础上对元结构特征变量... 为优化加工中心床身动态特性,提出一种基于元结构特征变量分析的优化方法。根据元结构理论将床身分解为能体现其动态特性的单元格结构,基于有限元模态分析法,探究了元结构特征变量对其前六阶固有频率的影响,在此基础上对元结构特征变量进行优化。以元结构优化结果为依据,提出相应床身的优化方案,并对结构优化前后的床身进行有限元分析,对比分析结果,确定方法的可行性。研究结果表明该方法可以有效控制机床的性能指标,为床身等基础部件的结构优化提供了可行的思路和方法。 展开更多

关键词 床身 有限元分析 元结构 特征变量 动态特性

下载PDF 职称材料

基于随机森林的配电网故障分布特征预测方法 被引量：9

12

作者 杜晓东 王立斌 +1 位作者 刘科研 詹惠瑜 《电网与清洁能源》 CSCD 北大核心 2023年第1期70-77,共8页

影响配电网故障的因素繁多,且故障特征冗余性强,传统的预测模型难以实现有效的配电网故障预测。提出一种基于随机森林的配电网故障分布特征预测方法。基于随机森林算法,建立配电网故障分布特征预测模型;分析故障影响因素,构建输入故障... 影响配电网故障的因素繁多,且故障特征冗余性强,传统的预测模型难以实现有效的配电网故障预测。提出一种基于随机森林的配电网故障分布特征预测方法。基于随机森林算法,建立配电网故障分布特征预测模型;分析故障影响因素,构建输入故障特征变量集;量化故障分布等级,构建输出故障特征分布集。采用探索性数据分析技术,筛选故障特征变量,构建最优特征变量集;优化预测模型参数,获得在当前数据背景下的最优预测效果。以南方某市配电网中的120条馈线为例,测试所提故障预测方法,验证故障预测的准确性和合理性。 展开更多

关键词 配电网 故障预测 随机森林 特征变量筛选 故障分布

下载PDF 职称材料

基于Elastic Net特征变量选择的SCR入口NO_(x)软测量模型 被引量：7

13

作者 王印松 陈瑞杰 《中国测试》 CAS 北大核心 2021年第12期79-86,共8页

在传统选择性催化还原反应器(selective catalytic reduction,SCR)入口NO_(x)软测量研究中,选取相关变量大多是基于机理分析方法,具有一定主观性。针对这一问题,提出Elastic Net方法结合最小二乘支持向量机(least squares support vecto... 在传统选择性催化还原反应器(selective catalytic reduction,SCR)入口NO_(x)软测量研究中,选取相关变量大多是基于机理分析方法,具有一定主观性。针对这一问题,提出Elastic Net方法结合最小二乘支持向量机(least squares support vector machine,LSSVM)的SCR入口NO_(x)软测量模型。首先采用Elastic Net对潜在相关变量进行变量选择,该方法无需机理分析,避免变量选择的主观性。此外,Elastic Net克服最小绝对收敛和选择算子(least absolute shrinkage and selection operator,LASSO)变量选择时因数据内部存在共线性和群组效应而影响选择效果的问题。然后利用LSSVM具有的训练速度较快、泛化性能优良和非线性逼近能力强等优点,建立Elastic Net-LSSVM软测量模型。现场数据仿真结果表明:Elastic Net-LSSVM与LSSVM相比,在预测时均方根误差减小8.45%,使预测更准确,验证软测量模型的有效性,可为烟气脱硝系统的控制优化提供参考。 展开更多

关键词 NO_(x)软测量 Elastic Net 特征变量选择 LSSVM

下载PDF 职称材料

采用特征变量选择和长短期记忆网络的高速公路交通事件检测研究 被引量：4

14

作者 张兵 张校梁 +2 位作者 屈永强 上官小荣 邹少权 《重庆理工大学学报（自然科学）》 CAS 北大核心 2023年第4期157-165,共9页

为提升高速公路交通事件检测效果,依据交通事件发生时上、下游交通流参数的变化特性,构建一组相对全面的交通事件检测初始特征变量集,使用随机森林-交叉验证递归特征消除(RF-RFECV)算法筛选出重要特征变量。利用重要特征变量作为输入训... 为提升高速公路交通事件检测效果,依据交通事件发生时上、下游交通流参数的变化特性,构建一组相对全面的交通事件检测初始特征变量集,使用随机森林-交叉验证递归特征消除(RF-RFECV)算法筛选出重要特征变量。利用重要特征变量作为输入训练长短期记忆网络(LSTM),通过贝叶斯优化算法(BOA)优化LSTM网络的超参数。使用真实高速公路数据进行验证和对比分析,采用Borderline-SMOTE解决交通数据集的不平衡问题。实验结果表明:筛选出对交通事件检测更为敏感的重要特征变量,可以提高检测精度,LSTM的检测效果也明显优于随机森林(RF)和支持向量机(SVM)。 展开更多

关键词 交通事件检测 特征变量选择 贝叶斯优化 长短期记忆网络

下载PDF 职称材料

基于模型校准的建筑冷负荷短期预测模型人工内扰特征变量获取方法 被引量：4

15

作者 牛纪德 林欣怡 +4 位作者 张恒 田喆 夏兴祥 车闫瑾 李丹雷 《暖通空调》 2023年第3期54-60,共7页

准确的短期建筑冷负荷预测对于建筑供能系统的运行优化具有重要意义。数据驱动模型因在挖掘建筑实际负荷特性、提高预测精度方面具有较大的优势而得到广泛应用。然而,内扰特征变量的缺失严重影响着数据驱动负荷预测模型的预测效果。为此... 准确的短期建筑冷负荷预测对于建筑供能系统的运行优化具有重要意义。数据驱动模型因在挖掘建筑实际负荷特性、提高预测精度方面具有较大的优势而得到广泛应用。然而,内扰特征变量的缺失严重影响着数据驱动负荷预测模型的预测效果。为此,本文提出了一种利用模型校准技术从冷负荷时间序列中反向挖掘内扰相关数据信息的方法。案例研究结果表明,利用该方法获得的人工内扰特征变量数据对使用人工神经网络模型的短期建筑冷负荷预测效果的提升具有显著作用。相比于完全缺失内扰特征变量的预测模型,预测误差可降低11.46%,相比于使用日历信息作为内扰特征变量的预测模型,预测误差可降低6.51%。 展开更多

关键词 负荷预测 模型校准 内扰时刻表 数据驱动模型 内扰特征变量

下载PDF 职称材料

组态视角下我国旅游产业发展的类型与路径选择——基于机器学习方法的探索

16

作者 廖杨月 余传鹏 林春培 《旅游学刊》 CSSCI 北大核心 2024年第9期31-46,共16页

运用机器学习方法识别旅游产业发展的复杂前因和组态路径,以此赋能我国区域协调发展和共同富裕目标实现。文章基于生产函数理论,以我国298个地级及以上城市为研究对象,采用K均值聚类算法将样本城市划分为发展受阻型、稳中求进型和全面... 运用机器学习方法识别旅游产业发展的复杂前因和组态路径,以此赋能我国区域协调发展和共同富裕目标实现。文章基于生产函数理论,以我国298个地级及以上城市为研究对象,采用K均值聚类算法将样本城市划分为发展受阻型、稳中求进型和全面辐射型3种群组类型,运用分类与回归树算法挖掘不同类型城市资源、技术和制度层面多维特征变量与旅游产业发展之间的复杂关系结构。研究发现:1)旅游产业发展的驱动要素具有耦合协调效应,体现为不同类型城市多维特征变量的横向耦合一致性和纵向等级分层性;2)高度相似城市因要素差异化配置获得不同旅游产业发展水平,表明每类城市都有适宜自身发展的组态条件,为推动区域协调发展提供现实基础;3)不同类型城市旅游产业高水平发展的驱动要素具有组合差异性,整体呈现殊途同归的作用效果,发展受阻型城市由“科技筑基-区域开放-文化吸引”驱动,稳中求进型城市由“经济引领-科技创新-数字赋能”驱动,全面辐射型城市由“文化吸引-交通增质”驱动。研究结论为我国城市旅游产业如何依据自身要素禀赋条件获得高水平发展提供了新思路和新参考依据。 展开更多

关键词 旅游产业发展 多维特征变量 组态视角 路径选择 机器学习

下载PDF 职称材料

SiPLS-CARS与GA-ELM对哈密瓜冠层叶片含水率的反演估测 被引量：4

17

作者 郭阳 郭俊先 +3 位作者 史勇 李雪莲 黄华 刘彦岑 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2022年第8期2565-2571,共7页

传统的叶片含水率检测方法效率低、操作繁琐且是有损的检测,不利于大田哈密瓜叶片含水率的快速获取。为实现对大田哈密瓜生长期进行更精细的田间灌水管理,利用光谱技术分别获取了哈密瓜植株在成长期(M)、开花期(M)、结果期(M)、成熟期(M... 传统的叶片含水率检测方法效率低、操作繁琐且是有损的检测,不利于大田哈密瓜叶片含水率的快速获取。为实现对大田哈密瓜生长期进行更精细的田间灌水管理,利用光谱技术分别获取了哈密瓜植株在成长期(M)、开花期(M)、结果期(M)、成熟期(M)四个时期内的冠层叶片样本,采用烘干法测得叶片样本的含水率。为提高预测模型的精度和稳定性,首先开展并讨论极限学习机(ELM)模型中的核函数与隐含层神经元个数的选择对ELM模型精度的影响。随后分别利用联合子区间偏最小二乘法(SiPLS)及其与竞争性自适应重加权采样法(CARS)、遗传算法(GA)、连续投影算法(SPA)的组合算法对全波段光谱数据中与叶片含水率相关性高的特征波长进行筛选提取。再分别使用GA与粒子群算法(PSO)对已经确定最佳核函数与隐含层神经元个数的ELM模型中的输入层与隐含层间的连接权值(W)和隐含层神经元阈值(B)进行优化选择,获取最优且稳定的W与B值,进一步提高模型的稳定性和预测精度。最后将四种特征波长提取算法优选出的特征波长分别进行ELM,GA-ELM,PSO-ELM建模分析,以校正集和预测集的相关系数R与R为模型评价指标,经过对比分析优选出能准确预测哈密瓜冠层叶片含水率的反演估测模型。采用SiPLS及其与CARS,GA和SPA的组合算法提取特征波长,筛选出的变量数分别为273,20,32和6,占全光谱变量的15.6%,1.2%,1.9%和0.03%。进一步将筛选出的特征波长作为自变量,叶片的含水率作为因变量,建立了ELM的预测模型,最佳预测精度R值为0.8450,预测精度不是很理想。故引入GA与PSO对ELM中随机产生的W与B值进行优化选择。最终,经过研究发现,利用GA优化后的ELM模型结合SiPLS-CARS筛选出的特征波长建立的哈密瓜冠层叶片含水率预测精度最优,故反演叶片含水率的最优建模方式为SiPLS-CARS-GA-ELM,R值为0.9289,R值为0.9032,� 展开更多

关键词 哈密瓜叶片含水率 模型优化 特征变量选择 遗传算法 粒子群算法 ELM模型

下载PDF 职称材料

基于Sentinel-2影像和机器学习算法的冬小麦秸秆覆盖度遥感估算 被引量：2

18

作者 朱奇磊 梁栋 +5 位作者 徐新刚 安晓飞 陈立平 杨贵军 黄林生 许思喆 《麦类作物学报》 CAS CSCD 北大核心 2023年第4期524-535,共12页

为探究大范围小麦秸秆覆盖度(CRC)估测方法,以冬小麦秸秆为研究对象,基于Sentinel-2遥感卫星影像光谱指数、波段和纹理特征及其不同特征组合,利用灰色关联-随机森林(GRA-RF)敏感特征提取方法,结合高斯过程(GPR)、套索(LASSO)、岭回归(RR... 为探究大范围小麦秸秆覆盖度(CRC)估测方法,以冬小麦秸秆为研究对象,基于Sentinel-2遥感卫星影像光谱指数、波段和纹理特征及其不同特征组合,利用灰色关联-随机森林(GRA-RF)敏感特征提取方法,结合高斯过程(GPR)、套索(LASSO)、岭回归(RR)和偏最小二乘(PLSR)等多种机器学习算法,开展小麦CRC估算的最优模型研究。结果表明,基于GRA-RF特征优选后的机器学习模型显著改善了小麦CRC的估算精度,LASSO算法总体对小麦CRC的估测效果最佳,并且针对不同的光谱特征组合表现出差异化的结果。其中,以光谱指数、波段和纹理信息构成的组合特征集构建的CRC遥感估算模型精度最优(r^(2)=0.65,RMSE=9.25%),以波段与纹理两者组合特征估算的CRC精度次之(r^(2)=0.63,RMSE=9.31%),仅利用单一的光谱指数、波段或者纹理特征估算冬小麦CRC的精度均劣于组合特征的结果。这说明应用GRA-RF组合筛选方法能够有效优选秸秆覆盖度的光谱特征;相比于单一特征,光谱指数、波段、纹理信息等构成的组合特征更能有效地监测小麦秸秆覆盖度。 展开更多

关键词 秸秆覆盖度 灰色关联分析-随机森林 机器学习算法 特征变量筛选

下载PDF 职称材料

基于逐步回归所得变量集的遗传反向传播神经网络的QSAR研究 被引量：2

19

作者 陈国华 陆瑶 陈虹 《计算机与应用化学》 CAS CSCD 北大核心 2010年第9期1257-1262,共6页

本文针对存在巨大数量变量体系,如采用遗传变量筛选的反向传播人工神经网络方法(GA-BPANN)进行构效建模,由于BPANN计算收敛速度慢且易陷入局部极小而使得计算需要耗费大量训练拟合时间的特点,提出了在扩展逐步线性回归(FSR)筛选得到变... 本文针对存在巨大数量变量体系,如采用遗传变量筛选的反向传播人工神经网络方法(GA-BPANN)进行构效建模,由于BPANN计算收敛速度慢且易陷入局部极小而使得计算需要耗费大量训练拟合时间的特点,提出了在扩展逐步线性回归(FSR)筛选得到变量集的基础上,利用GA-BPANN分析其中的非线性关系的方法。首先对收集到的120个青蒿素类化合物,采用DFT/B3PW91/6-31G量子化学方法优化其结构,然后计算得到57个非零分子全息电距矢量(MHEDV)结构参数。5种不同隐层神经元数目的GA-BPANN拟合分析结果均优于直接逐步线性回归(FSR)分析结果,其中n-4-1的BPNN网络的最优模型结果为:R^2=0.900,S=0.493,F=787.936,R_(ex)~2=0.840,S_(ex)=0.730,F_(ex)=147.341。该分析结果表明:基于扩展FSR筛选的变量集的GA-BPANN方法确实是1种优秀且经济可行的预测先导化合物活性好方法。 展开更多

关键词 青蒿素 MHEDV 遗传算法 反传神经网络 变量筛选

原文传递

基于CART回归树的LIBS特征变量选择方法研究 被引量：3

20

作者 尤文 夏阳鹏 +2 位作者 黄玉涛 林京君 林晓梅 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2021年第10期3240-3244,共5页

激光诱导击穿光谱技术(LIBS)用于检测时,由于谱线多且复杂,存在许多冗余的信息,这些都会对定量分析造成影响。因此,提取有效的特征变量在LIBS的定量分析中具有非常重要的意义。对CaCl_(2)溶液中的Ca元素进行光谱特征选择方法分析,对比... 激光诱导击穿光谱技术(LIBS)用于检测时,由于谱线多且复杂,存在许多冗余的信息,这些都会对定量分析造成影响。因此,提取有效的特征变量在LIBS的定量分析中具有非常重要的意义。对CaCl_(2)溶液中的Ca元素进行光谱特征选择方法分析,对比单变量模型、偏最小二乘回归和CART回归树定标模型的准确度和稳定性。针对水体表面的波动性较大,光谱稳定性差,同时光谱受基体效应和自吸收效应影响等问题,首先采用单变量模型得到的拟合系数(R_(2))仅有0.9332,训练均方根误差(RMSEC)、预测均方根误差(RMSEP)和平均相对误差(ARE)分别为0.0192 Wt%,0.0177 Wt%和11.604%。经偏最小二乘回归优化后,模型R 2提高到0.9753,RMSEC,RMSEP和ARE分别降低到0.0108 Wt%,0.013 Wt%和7.49%。为了进一步提高定量分析的准确度,建立CART回归树定标模型。该方法在构建树模型时,通过平方误差最小化准则,从复杂的光谱信息中选取最优的特征变量组合做分类决策,从而建立Ca元素的定标曲线。通过CART回归树的变量选择,特征变量个数从100个减少到6个,变量的压缩率达到了94%,显著降低了无关谱线的干扰,回归树模型的相关系数R^(2),RMSEC,RMSEP和ARE分别为0.9975,0.0035 Wt%,0.0061 Wt%和2.500%。相较于传统的单变量模型与偏最小二乘回归,CART回归树模型具有更高的精度、更小的误差。通过对特征变量的有效筛选,剔除无关信号的干扰,显著降低了基体效应和自吸收效应对LIBS定量分析的影响,提高了定量分析的准确度和稳定性。 展开更多

关键词 激光诱导击穿光谱 特征变量选择 CART回归树 定量分析

下载PDF 职称材料