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90篇文章
< 1 2 … 5 >
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：
基于贝叶斯优化XGBoost的短期峰值负荷预测 被引量：28
1
作者 龚雪娇 朱瑞金 唐波 《电力工程技术》 2020年第6期76-81,共6页
随着电网结构愈发复杂,负荷的多样性与波动性显著增加,对预测模型提出了更高的泛化能力和精度要求。然而,传统算法存在易过拟合、精度低等固有缺陷,难以实现复杂电网下精准的尖峰负荷预测。为此,文中提出一种基于贝叶斯优化极限梯度提升... 随着电网结构愈发复杂,负荷的多样性与波动性显著增加,对预测模型提出了更高的泛化能力和精度要求。然而,传统算法存在易过拟合、精度低等固有缺陷,难以实现复杂电网下精准的尖峰负荷预测。为此,文中提出一种基于贝叶斯优化极限梯度提升(XGBoost)的模型用于短期峰值负荷预测。首先,通过特征重要度得分进行特征提取,剔除冗余特征,确保输入-输出有较优的映射关系;然后,引入贝叶斯优化算法进行超参数调优,使XGBoost的性能达到最佳状态;最后,使用国内某市电力负荷数据对所提模型的有效性进行验证,结果表明,与其他机器学习方法相比,贝叶斯优化XGBoost具有更高的预测精度。 展开更多
关键词 贝叶斯优化 极限梯度提升(xgboost) 峰值负荷 负荷预测 超参数
下载PDF
中国地表臭氧浓度估算及健康影响评估 被引量：18
2
作者 赵楠 卢毅敏 《环境科学》 EI CAS CSCD 北大核心 2022年第3期1235-1245,共11页
在PM_(2.5)浓度逐年下降的背景下,臭氧浓度不降反升,臭氧已成为中国暖季的主要污染物之一.基于大数据关联分析思路,构建并开发了极限梯度提升(XGBoost)臭氧浓度估算模型,用以估算2019年中国每日最大8 h平均臭氧浓度(O_(3)_8h),用于人类... 在PM_(2.5)浓度逐年下降的背景下,臭氧浓度不降反升,臭氧已成为中国暖季的主要污染物之一.基于大数据关联分析思路,构建并开发了极限梯度提升(XGBoost)臭氧浓度估算模型,用以估算2019年中国每日最大8 h平均臭氧浓度(O_(3)_8h),用于人类暴露评估.该模型输入地面监测站点数据、高分辨率遥感卫星数据、气象数据、排放清单数据、数字高程模型(DEM)数据和人口数据,捕捉O_(3)_8h的时空变化.本研究采用十折交叉验证的方式评估模型的估算性能(R^(2)为0.871,RMSE为11.7μg·m^(-3)),与随机森林模型(RF)和核岭回归模型(KRR)相比,由于算法本身的提升和并行处理的推进,使得XGBoost模型估算结果表现出更高的准确性(RF:R^(2)为0.864,RMSE为12.387μg·m^(-3);KRR:R^(2)为0.582,RMSE为23.1μg·m^(-3))且模型运算效率明显提升.同时对中国各省市人口臭氧暴露水平和归因于臭氧暴露的慢性阻塞性肺部疾病(COPD)死亡相对风险进行评估,结果表明,在超标天数上,非达标天数排在前五的有山东省、河南省、河北省、安徽省和宁夏回族自治区;在暴露强度上,人口加权臭氧浓度排在前五的有河北省、山东省、山西省、天津市和江苏省;在健康影响上,COPD死亡相对风险表现出季节变化,夏季最高,冬季最低. 展开更多
关键词 地表臭氧 极限梯度提升算法(xgboost) 对流层观测仪(TROPOMI) 人口暴露 慢性阻塞性肺部疾病
原文传递
基于apFFT频谱校正和XGBoost的风电场集电线路单相接地故障测距 被引量：18
3
作者 彭华 朱永利 《电工技术学报》 EI CSCD 北大核心 2020年第23期4931-4939,共9页
针对风电场集电线路因短路故障造成的弃风窝电问题,提出采用全相位快速傅里叶变换(apFFT)频谱校正和极限梯度提升(XGBoost)的风电场集电线路单相接地故障测距方法。首先,搭建双馈风电场多分支混合线路的仿真模型,并通过apFFT频谱校正法... 针对风电场集电线路因短路故障造成的弃风窝电问题,提出采用全相位快速傅里叶变换(apFFT)频谱校正和极限梯度提升(XGBoost)的风电场集电线路单相接地故障测距方法。首先,搭建双馈风电场多分支混合线路的仿真模型,并通过apFFT频谱校正法获取故障电压和电流的基波相量,以构建原始特征集;然后,采用XGBoost算法建立单端故障测距的回归模型,并计算获取故障特征的重要度及排序,直观地挖掘特征量与故障距离之间的关系;最后,应用XGBoost故障定位器根据现存模态完成对新输入模态的定位,获得故障点精确位置。PSCAD/EMTDC实验证明,该方法对风电场多分支、混合短线路测距具有明显优势,定位性能优于随机森林(RF)方法,且不受故障位置、过渡电阻的影响,可满足风电场对测距精度的需求。 展开更多
关键词 风电场集电线路 apFFT频谱校正 极限梯度提升 单相接地故障 单端故障测距 特征重要度
下载PDF
基于CNN和XGBoost的滚动轴承故障诊断方法 被引量：16
4
作者 马怀祥 冯旭威 +1 位作者 李东升 齐澍椿 《中国工程机械学报》 北大核心 2021年第3期254-259,共6页
滚动轴承是旋转机械最主要的零部件之一,针对滚动轴承故障类型的有效识别问题,提出了一种基于卷积神经网络(CNN)和极端梯度提升(XGBoost)的滚动轴承故障诊断方法。对滚动轴承数据进行预处理,利用训练集对CNN进行训练和调参,运用训练好的... 滚动轴承是旋转机械最主要的零部件之一,针对滚动轴承故障类型的有效识别问题,提出了一种基于卷积神经网络(CNN)和极端梯度提升(XGBoost)的滚动轴承故障诊断方法。对滚动轴承数据进行预处理,利用训练集对CNN进行训练和调参,运用训练好的CNN模型进行特征的提取,并使用XGBoost模型进行故障类型的分类。采用德国帕德博恩大学滚动轴承进行模型的测试,结果表明:该模型交叉验证得分接近满分,并且在测试集上准确率达到了99%,优于仅仅使用CNN、支持向量机(SVM)、XGBoost以及三层神经网络。 展开更多
关键词 卷积神经网络 极端梯度提升 故障诊断 滚动轴承
下载PDF
基于DKDE与改进mRMR特征选择的短期光伏出力预测 被引量：14
5
作者 刘嘉诚 刘俊 +3 位作者 赵宏炎 吴泽阳 刘晓明 吴柳 《电力系统自动化》 EI CSCD 北大核心 2021年第14期13-21,共9页
随着光伏发电装机容量的增长,其在能源消费中的占比不断提升,准确预测光伏发电功率对电力系统发展规划和调度运行均具有重要意义。目前,针对光伏预测特征选择的研究比较少,不合理的特征选择往往导致信息丢失,气象参数与出力间的映射关... 随着光伏发电装机容量的增长,其在能源消费中的占比不断提升,准确预测光伏发电功率对电力系统发展规划和调度运行均具有重要意义。目前,针对光伏预测特征选择的研究比较少,不合理的特征选择往往导致信息丢失,气象参数与出力间的映射关系难以有效挖掘,最终导致预测精度偏低。因此,文中提出一种基于改进互信息计算与改进最大相关最小冗余(mRMR)的光伏预测特征选择方法。针对连续随机变量相关性互信息难以直接计算的问题,基于扩散核密度估计(DKDE)理论,提出一种依据概率密度的区间划分方法并应用于变量离散化,以提高互信息对实际有限数据集的表征能力。然后,对传统mRMR的增量搜索过程进行了改进,提出一种可并行筛选多个特征子集的改进mRMR算法,并针对各特征子集分别采用XGBoost算法构建气象信息与光伏功率的预测模型。最后,通过实际光伏电站测量数据验证了所提方法的有效性和准确性。 展开更多
关键词 光伏预测 特征选择 扩散核密度估计(DKDE) 最大相关最小冗余(mRMR) xgboost算法
下载PDF
基于改进Bi-LSTM和XGBoost的电力负荷组合预测方法 被引量：13
6
作者 代业明 周琼 《上海理工大学学报》 CAS CSCD 北大核心 2022年第2期138-147,共10页
电力负荷预测在平衡能源分配、经济性和电力系统安全可靠运行方面发挥着重要作用,精准的负荷预测可以降低电力运行的成本和风险,提高电网环境效益和经济效益。首先根据加权灰色关联投影算法对数据进行预处理,然后应用注意力(Attention)... 电力负荷预测在平衡能源分配、经济性和电力系统安全可靠运行方面发挥着重要作用,精准的负荷预测可以降低电力运行的成本和风险,提高电网环境效益和经济效益。首先根据加权灰色关联投影算法对数据进行预处理,然后应用注意力(Attention)机制来改进双向长短期记忆(Bi-LSTM)模型,并结合极端梯度提升(XGBoost)模型构建一种由误差倒数法确定权重的电力负荷组合预测模型,从而得到一种新的短期电力负荷预测方法。通过新加坡电力市场数据集对该方法进行评估,结果显示,该方法的预测结果比单一预测方法更加接近真实数据且误差更小,具备有效性、精准性和实用性的优势。 展开更多
关键词 短期负荷预测 双向长短期记忆网络 极端梯度提升 误差倒数组合法 组合模型
下载PDF
基于RFRFE与ISSA-XGBoost的变压器故障辨识方法 被引量：12
7
作者 王雨虹 王志中 《电子测量与仪器学报》 CSCD 北大核心 2021年第12期142-150,共9页
针对变压器故障诊断精度低的问题,提出了随机森林-递归特征消除(RFRFE)算法与改进麻雀算法(ISSA)优化极端梯度提升树(XGBoost)的变压器故障诊断方法。首先以诊断精度为标准,利用RFRFE算法选择重要特征变量,去除冗余特征;然后采用服从均... 针对变压器故障诊断精度低的问题,提出了随机森林-递归特征消除(RFRFE)算法与改进麻雀算法(ISSA)优化极端梯度提升树(XGBoost)的变压器故障诊断方法。首先以诊断精度为标准,利用RFRFE算法选择重要特征变量,去除冗余特征;然后采用服从均匀分布随机调整策略和莱维飞行策略来对传统麻雀算法(SSA)进行改进,并将ISSA与SSA和粒子群算法(PSO)进行算法性能测试,证明其分类精度和网络寻优能力均有所提升;最后使用改进的麻雀算法对XGBoost相关超参数进行寻优,获取RFRFE与ISSA-XGBoost相结合的综合故障诊断模型,并与PSO-XGBoost和SSA-XGBoost故障诊断模型对比诊断效果,结果表明ISSA-XGBoost故障诊断率为91.08%,比PSO-XGBoost和SSA-XGBoost分别提高了9.9%、6.93%验证了所提方法能够有效地提高变压器故障诊断性能。 展开更多
关键词 变压器 故障诊断 RFRFE算法 麻雀算法 xgboost
下载PDF
基于CSI-XGBoost的高精度WiFi室内定位算法 被引量：11
8
作者 张玄黎 修春娣 +1 位作者 王延昭 杨东凯 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2018年第12期2536-2544,共9页
考虑到室内环境的复杂性和多径效应对Wi Fi指纹定位性能的影响从Intel5300无线网卡中提取信道状态信息(CSI),利用修正后的CSI幅值和相位信息作为指纹特征,使用极限梯度提升(XGBoost)算法构建高精度指纹库,实现分米级的高精度室内定位。... 考虑到室内环境的复杂性和多径效应对Wi Fi指纹定位性能的影响从Intel5300无线网卡中提取信道状态信息(CSI),利用修正后的CSI幅值和相位信息作为指纹特征,使用极限梯度提升(XGBoost)算法构建高精度指纹库,实现分米级的高精度室内定位。进一步通过实测数据分析了采样间隔、室内视距(LOS)和非视距(NLOS)环境、缺失值和数据维度等因素对所提算法定位性能的影响。实际室内环境下的实验结果表明,本文算法受NLOS影响较小,对室内复杂环境有很强的鲁棒性;此外,该算法能够很好地处理高维稀疏数据,解决CSI指纹特征的"误匹配"问题,且对缺失数据不敏感,定位准确度优于90%。 展开更多
关键词 室内定位 信道状态信息(CSI) 指纹匹配 极限梯度提升(xgboost) 相位延拓
下载PDF
基于盾构机运行参数的局部切空间排列与Xgboost融合的地质类型识别 被引量：8
9
作者 刘明阳 余宏淦 +3 位作者 陶建峰 覃程锦 高浩寒 刘成良 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第6期2080-2091,共12页
针对土压平衡盾构机掘进过程难以实时感知掌子面地质类型的问题,提出了局部切空间排列(LTSA)与极限梯度提升(Xgboost)相结合的盾构机掌子面地质类型实时识别方法。首先,通过分析众多盾构机运行参数与掌子面地质性质的相关性,选取177个... 针对土压平衡盾构机掘进过程难以实时感知掌子面地质类型的问题,提出了局部切空间排列(LTSA)与极限梯度提升(Xgboost)相结合的盾构机掌子面地质类型实时识别方法。首先,通过分析众多盾构机运行参数与掌子面地质性质的相关性,选取177个盾构机运行参数作为模型输入;其次,利用LTSA算法从高维盾构机运行参数中提取内蕴低维特征作为分类模型输入参数,基于Xgboost的识别模型实现掌子面地质类型识别;最后,采用新加坡某地铁施工数据验证算法的有效性和优越性。研究结果表明:所提算法对该工程沿线5种地质类型的识别准确率达到98.48%;采用本文方法所得的识别准确率相比于将运行参数直接作为模型输入的识别准确率提升20.96%,相比于采用总推进力、推进速度、刀盘总扭矩和刀盘转速4维特征作为输入,本文所提出方法的识别准确率提升50.16%。LTSA算法能够减少所选盾构运行参数中的冗余信息并保留其中的地质特征,解决了输入参数维度过高造成的识别模型准确率下降和训练效率降低的问题。 展开更多
关键词 土压平衡盾构 掘进参数 地质类型识别 LTSA xgboost
下载PDF
基于斜回归树及其集成算法的静态电压稳定规则提取 被引量：8
10
作者 贾宏阳 侯庆春 +2 位作者 刘羽霄 张宁 范越 《电力系统自动化》 EI CSCD 北大核心 2022年第1期51-59,共9页
可再生能源渗透率的增加给电力系统安全稳定运行带来持续性的挑战,传统方法分析系统稳定性、控制电网稳定运行变得愈加困难。针对这一难题,提出了内嵌安全稳定约束的电力系统优化运行框架以及用于电力系统安全稳定规则提取的斜回归树及... 可再生能源渗透率的增加给电力系统安全稳定运行带来持续性的挑战,传统方法分析系统稳定性、控制电网稳定运行变得愈加困难。针对这一难题,提出了内嵌安全稳定约束的电力系统优化运行框架以及用于电力系统安全稳定规则提取的斜回归树及其集成算法。该算法首先优化斜划分系数以训练单棵斜回归树,然后利用boosting思想集成斜回归树,并通过正则化方法保证树的稀疏度,增强算法的可解释性。相比神经网络等黑箱模型,文中提出的方法能够提取显式安全稳定规则,为内嵌安全稳定约束的电力系统优化运行奠定了基础。最后,以静态电压稳定问题为例验证算法的有效性,算例验证结果表明所提算法具有良好的可解释性、较强的表示能力和较高的集成效率。 展开更多
关键词 静态电压稳定 高比例可再生能源 集成学习 斜回归树 极端梯度提升算法
下载PDF
基于XGBoost的列控车载设备故障预测方法 被引量：9
11
作者 刘江 许康智 +2 位作者 蔡伯根 郭忠斌 王剑 《北京交通大学学报》 CAS CSCD 北大核心 2021年第4期95-106,共12页
列控车载设备的健康管理和故障预测是实现高速铁路关键装备智能化视情维护的重要途径.为了克服列控车载设备故障建模的复杂性和健康监测手段受限等问题,充分运用现场收集的设备运行记录数据,提出一种基于数据驱动的列控车载设备故障预... 列控车载设备的健康管理和故障预测是实现高速铁路关键装备智能化视情维护的重要途径.为了克服列控车载设备故障建模的复杂性和健康监测手段受限等问题,充分运用现场收集的设备运行记录数据,提出一种基于数据驱动的列控车载设备故障预测体系框架.建立了高速列车列控车载设备运行数据管理平台,基于大量历史现场数据构建训练及测试样本集,运用极端梯度提升(eXtreme Gradient Boosting,XGBoost)算法实施特定故障类型的模型训练与学习,并将所得故障模型用于故障概率的预测分析.以CTCS2-200H型列控车载设备为对象,运用实际数据对所提出的故障建模方法进行了验证,对不同建模样本规模、故障类型维度下的模型性能以及不同建模算法性能进行了对比.结果表明:基于XGBoost算法的建模方法能够有效揭示各特征量与故障之间的关联,所采用树的深度值越高,迭代收敛速度越快;相较于GBDT、RF算法,基于XGBoost的建模方法能够实现更高的预测正确率,在给定样本条件下达到稳定正确率所需训练时间分别减少了78.55%、12.47%,验证了该方法在大规模数据条件下的适用性和性能优势. 展开更多
关键词 列车控制 车载设备 故障预测 健康管理 极端梯度提升
下载PDF
基于经验模态分解-自回归组合模型的网络舆情预测 被引量：9
12
作者 莫赞 赵冰 黄艳莹 《计算机应用》 CSCD 北大核心 2018年第3期615-619,共5页
随着大数据时代的到来,网络舆情数据呈现信息量大和领域覆盖广等特征。面对复杂的网络舆情数据时,传统单一模型预测能力有限,不能对舆情趋势进行有效预测。针对此问题,提出一种基于经验模态分解-自回归(EMD-AR)改进的组合模型——EMD-A... 随着大数据时代的到来,网络舆情数据呈现信息量大和领域覆盖广等特征。面对复杂的网络舆情数据时,传统单一模型预测能力有限,不能对舆情趋势进行有效预测。针对此问题,提出一种基于经验模态分解-自回归(EMD-AR)改进的组合模型——EMD-ARXG模型,应用于复杂网络舆情的预测。该模型利用经验模态分解算法对时间序列进行分解,然后通过自回归模型对分解后的时间序列进行各自趋势拟合,建立子模型。最后再对各个子模型进行重构,完成建模。另外,在利用自回归(AR)模型拟合过程中,为了减少拟合误差,采用极限梯度提升算法对残差进行学习,并使预测模型迭代更新,提高各个子模型预测精度。为验证EMD-ARXG模型的预测效果,该模型与小波神经网络模型和基于经验模态分解的神经网络模型进行实验对比。实验结果表明,在均方根误差(RMSE)、平均绝对百分误差(MAPE)和希尔不等系数(TIC)三项指标上,EMD-ARXG模型获得的结果均优于小波神经网络模型和基于经验模态分解的神经网络模型的结果。 展开更多
关键词 趋势拟合 网络舆情预测 经验模态分解 自回归 极限梯度提升 残差学习
下载PDF
基于时间序列和Xgboost的钢卷仓储吞吐量预测 被引量：9
13
作者 孟杭 黄细霞 涂修建 《计算机应用》 CSCD 北大核心 2019年第S02期24-28,共5页
钢铁物流是衡量无水港钢铁贸易水平的核心指标之一。针对提升无水港运作效率,提前规划库位分配并监测钢卷吞吐量,提出一种基于时间序列和极端梯度提升(Xgboost)的钢卷仓储吞吐量预测方法。该方法对输入特征中含有连续变量和离散变量的... 钢铁物流是衡量无水港钢铁贸易水平的核心指标之一。针对提升无水港运作效率,提前规划库位分配并监测钢卷吞吐量,提出一种基于时间序列和极端梯度提升(Xgboost)的钢卷仓储吞吐量预测方法。该方法对输入特征中含有连续变量和离散变量的混杂系统构建时间特征,用滑窗法构造回归数据,用one-hot编码处理离散变量,将差分整合移动平均自回归(ARIMA)模型和Xgboost模型加权融合,实现热卷和冷卷未来7天和4周的吞吐量预测。利用某无水港2014年至2018年的历史销售订单、仓储、吞吐量等数据进行训练和测试。实验结果表明,ARIMA和Xgboost的组合模型得分82.4215,具有最高的预测精度,比单一的时间序列模型和机器学习模型准确率都高。 展开更多
关键词 编码处理 混杂系统 时间序列 离散变量 移动平均 无水港 钢卷 仓储
下载PDF
基于XGBoost的隧道掘进机操作参数智能决策系统设计 被引量：8
14
作者 王飞 龚国芳 +1 位作者 段理文 秦永峰 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第4期633-641,共9页
为了实现隧道施工的同质化,提出基于极端梯度提升算法(XGBoost)预测模型的隧道掘进机(TBM)操作参数的智能决策方法.定义场操作系数指数(FOI)作为替代传统场切深指数(FPI)的围岩级别特征参数,使用XGBoost算法建立预测模型以实现对FOI的预... 为了实现隧道施工的同质化,提出基于极端梯度提升算法(XGBoost)预测模型的隧道掘进机(TBM)操作参数的智能决策方法.定义场操作系数指数(FOI)作为替代传统场切深指数(FPI)的围岩级别特征参数,使用XGBoost算法建立预测模型以实现对FOI的预测,对围岩级别进行预测、判断.通过对优秀司机在特定FOI下TBM操作参数的选择,建立专家模型实现FOI与特定TBM操作参数的关联,实现TBM操作参数的智能决策.使用引松工程的现场数据进行对比实验,结果表明,设计的TBM操作参数的智能决策系统能够实现对优秀的TBM司机操作参数决策的复现,相比于以FPI为特征参数的传统智能决策系统,新系统的推进速度和刀盘转速两部分的平均相对误差分别下降8.84%和7.97%. 展开更多
关键词 隧道掘进机(TBM) 智能决策 场操作系数指数(FOI) 极端梯度提升算法(xgboost) 预测
下载PDF
基于叶绿素荧光成像的温室黄瓜植株病害分类与病情监测 被引量：8
15
作者 王迎旭 孙晔 +2 位作者 李玉花 孙国祥 汪小旵 《南京农业大学学报》 CAS CSCD 北大核心 2020年第4期770-780,共11页
[目的]针对黄瓜植株极易染病且部分病害症状相似的问题,利用叶绿素荧光成像系统研究黄瓜植株不同病害区分及早期病害监测的可行性。[方法]采用叶绿素荧光成像系统采集全植株冠层图像,以褐斑病和炭疽病胁迫下的黄瓜植株为试验材料,分析... [目的]针对黄瓜植株极易染病且部分病害症状相似的问题,利用叶绿素荧光成像系统研究黄瓜植株不同病害区分及早期病害监测的可行性。[方法]采用叶绿素荧光成像系统采集全植株冠层图像,以褐斑病和炭疽病胁迫下的黄瓜植株为试验材料,分析植株生理状态,建立基于叶绿素荧光参数的病害分类和病情诊断模型。首先通过图像的分割得到病斑区域;然后采集植株氮含量、叶绿素含量与荧光参数,并分析其变化趋势;最后基于叶绿素荧光强度和动力学参数对黄瓜褐斑病和炭疽病进行分类和早期监测,分别采用支持向量机(SVM)算法和极端梯度提升(XGBoost)算法对不同程度病害植株进行分类。[结果]与对照植株相比,染病植株叶绿素含量及氮含量呈逐渐下降趋势,最大光化学量子产量(Fv/Fm)、实际光化学效率(ΦPSⅡ)降低,非光化学淬灭(NPQ)、非光化学淬灭系数(qN)和光化学淬灭系数(qP)上升。对于植株的病害与病情分类,利用XGBoost算法进行分类的结果整体较好。对2种病害单独分类的准确率达到90%以上,对2种病害同时分类准确率达到85%以上,对病情和病害种类同时监测的准确率接近80%。[结论]基于叶绿素荧光成像系统监测黄瓜病情和区分其病害种类是可行的,具有良好的应用前景。 展开更多
关键词 叶绿素荧光 黄瓜 病害分类 病情监测 支持向量机(SVM) 极端梯度提升(xgboost)
下载PDF
基于IGA-XGBoost的变压器故障诊断研究 被引量：7
16
作者 曹伟嘉 杨留方 +2 位作者 徐天奇 毛玉明 谢宗效 《自动化与仪器仪表》 2022年第4期1-5,共5页
为了提高变压器故障诊断的准确性,提出基于改进遗传算法优化极端梯度提升(IGA-Extreme Gradient Boosting,IGA-XGBoost)的变压器故障诊断模型。利用油中溶解气体分析法得到的5种特征气体数据样本训练极端梯度提升(Extreme Gradient Boos... 为了提高变压器故障诊断的准确性,提出基于改进遗传算法优化极端梯度提升(IGA-Extreme Gradient Boosting,IGA-XGBoost)的变压器故障诊断模型。利用油中溶解气体分析法得到的5种特征气体数据样本训练极端梯度提升(Extreme Gradient Boosting,XGBoost)模型进行变压器故障诊断,再将改进遗传算法优化XGBoost解决参数多、收敛慢等问题。在遗传算法的基础上引入多样性与适应度共同作为评价指标,解决局部极大值问题。将改进遗传算法与网格搜索、随机游走和传统遗传算法寻优方法比较和分析,实验结果表明,改进遗传算法的收敛速度和泛化能力最好。再将IGA-XGBoost模型与遗传算法优化极端梯度提升(Genetic Algorithm-Extreme Gradient Boosting,GA-XGBoost)、神经网络、支持向量机、随机森林、自适应提升法(Adaptive Boosting,AdaBoost)做对比实验,IGA-XGBoost模型在变压器故障诊断中的预测精度为96.875%,均方差为0.15。IGA-XGBoost模型能有效提高变压器故障诊断精度。 展开更多
关键词 油中溶解气体分析 变压器 故障诊断 极端梯度提升 遗传算法
原文传递
基于LSTM-XGBoost的短期电力负荷预测研究 被引量：4
17
作者 刘朋远 苗光尧 张洁 《自动化仪表》 CAS 2023年第8期79-83,90,共6页
随着电力系统的快速发展,针对短期电力负荷预测的人工智能方法研究已经取得了显著成就。由于长短期记忆(LSTM)神经网络能够拟合电力负荷数据时序性和非线性的特点,基于LSTM的短期电力负荷预测效果显著。但基于LSTM的预测方法存在预测精... 随着电力系统的快速发展,针对短期电力负荷预测的人工智能方法研究已经取得了显著成就。由于长短期记忆(LSTM)神经网络能够拟合电力负荷数据时序性和非线性的特点,基于LSTM的短期电力负荷预测效果显著。但基于LSTM的预测方法存在预测精度低、泛化能力差等问题。为此,利用贝叶斯优化后的极限梯度提升(XGBoost)集成学习方法训练得到多个LSTM的强预测模型,提出基于LSTM-XGBoost的短期电力负荷预测的方法,并采用宁夏地区的电力数据进行算例分析。试验结果表明,对比基于LSTM和基于粒子群优化(PSO)-反向传播(BP)的短期电力负荷预测方法,基于LSTM-XGBoost的短期电力负荷模型预测精度、稳定性更高。该方法对于电力系统智能化发展有一定的应用价值。 展开更多
关键词 电力系统 短期电力负荷预测 长短期记忆神经网络 极限梯度提升 贝叶斯优化算法 集成学习 数据挖掘
下载PDF
基于双层XGBoost和数据增强的空间负荷预测方法 被引量：3
18
作者 黄冬梅 张宁宁 +3 位作者 胡安铎 胡伟 肖勇 陈岸青 《电力工程技术》 北大核心 2023年第1期201-208,共8页
为了解决空间负荷预测面临的特征变量众多和数据匮乏问题,文中提出一种基于双层极端梯度提升(extreme gradient boosting,XGBoost)和数据增强的空间负荷预测方法。该方法首先将待预测区域按馈线供电范围划分为若干子区域;其次构建基于双... 为了解决空间负荷预测面临的特征变量众多和数据匮乏问题,文中提出一种基于双层极端梯度提升(extreme gradient boosting,XGBoost)和数据增强的空间负荷预测方法。该方法首先将待预测区域按馈线供电范围划分为若干子区域;其次构建基于双层XGBoost的特征选择模型,第一层XGBoost对特征进行评分及排序,将组合特征和负荷输入第二层XGBoost并进行子区域负荷预测,根据子区域负荷预测结果选择每个子区域的最佳特征变量;然后利用生成对抗网络(generative adversarial network,GAN)增强每个子区域的训练集样本,并通过极限学习机(extreme learning machine,ELM)实现子区域预测;最后将每个子区域的预测值相加得到待预测区域的预测值。以上海市局部区域为例,对文中方法进行仿真实验和对比分析。结果表明,文中方法可同时解决特征变量选择和数据匮乏问题,具有更高的预测精度。 展开更多
关键词 空间负荷预测 极端梯度提升(xgboost) 特征选择 生成对抗网络(GAN) 数据增强 极限学习机(ELM)
下载PDF
基于LSTM与XGBOOST混合模型的孕妇产后出血预测 被引量：6
19
作者 周彤彤 俞凯 +2 位作者 袁贞明 卢莎 胡文胜 《计算机系统应用》 2020年第3期148-154,共7页
孕妇产后大出血是造成全球孕妇死亡的重要因素之一,在我国位居孕妇死亡原因首位,然而对产后出血的提前判定一直以来都是医学上一个难题.电子病历的普及,以及机器学习和深度学习技术的发展,为预知孕妇产后大出血提供了基于大数据的解决办... 孕妇产后大出血是造成全球孕妇死亡的重要因素之一,在我国位居孕妇死亡原因首位,然而对产后出血的提前判定一直以来都是医学上一个难题.电子病历的普及,以及机器学习和深度学习技术的发展,为预知孕妇产后大出血提供了基于大数据的解决办法.本文提出利用孕妇的电子病历数据,构建基于LSTM和XGBoost的混合模型来预测孕妇产后大出血.实验结果表明,利用基于LSTM和XGBoost的混合模型对孕妇产后大出血进行预测是可行的,能够为医生判断孕妇产后出血情况提供参考,为孕妇分娩时是否需要备血方案提供决策支持,对降低产后大出血致死率具有积极意义. 展开更多
关键词 产后出血 extreme gradient boosting(xgboost) Long Short-Term Memory(LSTM) 机器学习 深度学习
下载PDF
结合机器学习的SA湍流模型闭合系数修正
20
作者 徐向阳 胡冠男 +2 位作者 王良军 朱文浩 张武 《上海大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第2期341-351,共11页
将修正Morris分类筛选法与极端梯度提升(extreme gradient boosting,XGBoost)相结合,在计算流体动力学(computational fluid dynamics,CFD)数据驱动下,用于SA(Spalart-Allmaras)湍流模型闭合系数的修正.利用分类筛选法有效缩小闭合系数... 将修正Morris分类筛选法与极端梯度提升(extreme gradient boosting,XGBoost)相结合,在计算流体动力学(computational fluid dynamics,CFD)数据驱动下,用于SA(Spalart-Allmaras)湍流模型闭合系数的修正.利用分类筛选法有效缩小闭合系数研究范围,同时依据XGBoost方法在小规模数据集下取得精度较高的拟合模型,有效提升系数修正效率.在三维DLR-F6-WB构型下进行了数值实验,实验结果显示利用本方法能够在三维复杂模型上基于小样本数据进行系数修正,修正后的升阻力系数计算精度得到了显著提升. 展开更多
关键词 SA(Spalart-Allmaras)湍流模型 敏感度 极端梯度提升(extreme gradient boosting xgboost) 线性回归 系数修正
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 … 5 下一页 到第 页
使用帮助 返回顶部