期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
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630篇文章
< 1 2 … 32 >
每页显示 20 50 100
已选0条
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：
XGBoost Algorithm under Differential Privacy Protection 认领 引用
1
作者 Yuanmin Shi Siran Yin +1 位作者 Ze Chen Leiming Yan 《Journal of Information Hiding and Privacy Protection》 2021年第1期9-16,共8页
Privacy protection is a hot research topic in information security field.An improved XGBoost algorithm is proposed to protect the privacy in classification tasks.By combining with differential privacy protection,the X... Privacy protection is a hot research topic in information security field.An improved XGBoost algorithm is proposed to protect the privacy in classification tasks.By combining with differential privacy protection,the XGBoost can improve the classification accuracy while protecting privacy information.When using CART regression tree to build a single decision tree,noise is added according to Laplace mechanism.Compared with random forest algorithm,this algorithm can reduce computation cost and prevent overfitting to a certain extent.The experimental results show that the proposed algorithm is more effective than other traditional algorithms while protecting the privacy information in training data. 展开更多
关键词 Differential privacy privacy protection XGBoost algorithm CART regression tree
暂未订购 下载PDF
Long tunnel group driving fatigue detection model based on XGBoost algorithm 认领 引用 被引量：1
2
作者 Huazhi Yuan Kun Zhao +3 位作者 Ying Yan Li Wan Zhending Tian Xinqiang Chen 《Journal of Traffic and Transportation Engineering(English Edition)》 EI CAS CSCD 2025年第1期167-179,共13页
Driving fatigue is one of the important causes of accidents in tunnel(group)sections.In this paper,in order to effectively identify the driving fatigue of tunnel(group)drivers,an eye tracker and other instruments were... Driving fatigue is one of the important causes of accidents in tunnel(group)sections.In this paper,in order to effectively identify the driving fatigue of tunnel(group)drivers,an eye tracker and other instruments were used to conduct real vehicle tests on long tunnel(group)expressways and thus obtain the eye movement,driving duration,and Karolinska sleepiness scale(KSS)data of 30 drivers.The impacts of the tunnel and non-tunnel sections on drivers were compared,and the relationship between blink indexes,such as the blink frequency,blink duration,mean value of blink duration,driving duration,and driving fatigue,was studied.A paired t-test and a Spearman correlation test were performed to select the indexes that can effectively characterize the tunnel driving fatigue.A driving fatigue detection model was then developed based on the XGBoost algorithm.The obtained results show that the blink frequency,total blink duration,and mean value of blink duration gradually increase with the deepening of driving fatigue,and the mean value of blink duration is the most sensitive in the tunnel environment.In addition,a significant correlation exists between the driving duration index and driving fatigue,which can provide a reference for improving the tunnel safety.Using the mean value of blink duration and driving duration as the characteristic indexes,the accuracy of the driving fatigue detection model based on the XGBoost algorithm reaches 98%.The cumulative and continuous tunnel proportion effectively estimates the driving fatigue state in a long tunnel(group)environment. 展开更多
关键词 Traffic safety Tunnel group Driving fatigue detection Eye movement data Driving duration XGBoost algorithm
暂未订购 下载PDF
基于XGBoost-SHAP模型的北京市生态系统服务空间格局及驱动因素分析 认领 引用 被引量：11
3
作者 赵慧 刘茜 +1 位作者 张敏 李佳玉 《环境科学》 EI CAS CSCD 北大核心 2026年第2期1025-1037,共13页
研究生态系统服务之间的空间格局及其背后的驱动因素,对于强化生态管理及促进环境的可持续发展至关重要.以北京市为研究区域,应用InVEST模型对2000~2020年生境质量、碳储量、产水量以及土壤保持采用空间自相关、冷点/热点分析及双变量... 研究生态系统服务之间的空间格局及其背后的驱动因素,对于强化生态管理及促进环境的可持续发展至关重要.以北京市为研究区域,应用InVEST模型对2000~2020年生境质量、碳储量、产水量以及土壤保持采用空间自相关、冷点/热点分析及双变量空间自相关分析方法研究生态系统服务的空间相关性、权衡与协同关系,并通过XGBoost-SHAP模型剖析影响生态系统服务的关键因素.结果表明:①生境质量的高值区域主要集中在地势较高且人类活动干扰较小的地区;碳储量呈现出西北高、东南低的空间分布态势;产水量的高值区集中在城镇区域;土壤保持的高值区域主要分布在西南部,而在北部则呈现零散分布状态.②全局空间自相关分析显示,4种生态系统服务的全局Moran's I指数均通过显著性检验,且均表现出显著的高值聚集特征.③生境质量、碳储量和土壤保持之间存在显著的协同关系,而产水量与生境质量、碳储量、土壤保持之间则表现出一定的权衡关系.④XGBoost回归模型在训练集与测试集上均展现出良好的预测性能,且训练集的预测效果优于测试集.SHAP模型解析表明,高程是影响4种生态系统服务的关键驱动因子,坡度显著影响生境质量、碳储量和土壤保持,人口密度主要作用于生境质量和产水量,而年降水量则对产水量和土壤保持具有重要影响.研究结果可为北京市生态系统服务空间格局优化及生态保护策略的制定提供科学支撑. 展开更多
关键词 生态系统服务(ESs) 空间格局 权衡与协同 驱动因素 XGBoost算法
暂未订购 下载PDF
基于GWO-XGBoost模型和SHAP值的数据价格预测及可解释性分析 认领 引用 被引量：1
4
作者 杨健 曹楠 +2 位作者 金大意 张家琦 杨涛涛 《计算机科学》 CSCD 北大核心 2026年第6期339-349,共11页
随着数据要素市场化迅速发展,数据定价成为亟待解决的关键问题。为解决数据要素市场化进程中定价机制不透明与可解释性不足等问题,提出了一种基于灰狼算法(GWO)优化XGBoost的数据定价模型。首先,从优易数据平台获取原始数据集,对其进行... 随着数据要素市场化迅速发展,数据定价成为亟待解决的关键问题。为解决数据要素市场化进程中定价机制不透明与可解释性不足等问题,提出了一种基于灰狼算法(GWO)优化XGBoost的数据定价模型。首先,从优易数据平台获取原始数据集,对其进行描述性统计分析。然后,通过去除异常值、独热编码、对数变换和归一化等方法预处理数据,并利用Spearman相关系数进行特征相关性分析。最后,通过GWO算法优化XGBoost的超参数,提升模型的预测性能。实验结果显示,GWO-XGBoost模型的决定系数(R 2)达0.971,显著优于其他5种基线模型,其均方误差(MSE)、均方根误差(RMSE)和平均绝对误差(MAE)等指标相较于传统的网格搜索、随机搜索等超参数优化方法均大幅降低。此外,借助SHAP可解释性分析方法,从全局和局部深入解析模型预测结果,识别出数据更新时间间隔是影响模型预测结果的主导因素,贡献了总预测增量的95.16%。该研究不仅为数据定价提供了科学合理机制,也为后续的模型优化指明了方向,对于推动数据要素市场健康发展意义重大。 展开更多
关键词 数据定价 灰狼算法 XGBoost算法 SHAP值分析
暂未订购 下载PDF
融合粒子群灰狼混合优化算法的XGBoost随机缺失地震数据重建 认领 引用
5
作者 田仁飞 金江龙 +2 位作者 李山 杨植富 程先琼 《石油地球物理勘探》 EI CSCD 北大核心 2026年第3期545-557,共13页
针对野外地震采集因环境干扰导致非规则性缺失问题,文中提出了一种融合粒子群灰狼混合优化(HPSOGWO)算法的XGBoost局部学习重建方法。该方法将HPSOGWO算法与XGBoost机器学习模型相结合,通过构建地震道空间位置(道号、采样点)与振幅值的... 针对野外地震采集因环境干扰导致非规则性缺失问题,文中提出了一种融合粒子群灰狼混合优化(HPSOGWO)算法的XGBoost局部学习重建方法。该方法将HPSOGWO算法与XGBoost机器学习模型相结合,通过构建地震道空间位置(道号、采样点)与振幅值的非线性映射关系,利用HPSOGWO算法自适应优化特征窗口,实现了相邻道数据的智能选择与缺失值的高精度预测。与传统凸集投影-Curvelet变换(Curvelet-POCS)方法相比,该方法在复杂构造区域显著提高了重建精度;相较于U-Net深度学习方法,有效降低了对大量训练样本的依赖和计算成本。在20%随机缺失条件下的三层水平层状模型实验中,该方法的峰值信噪比(PSNR)较Curvelet-POCS法提高了11 dB,较U-Net法提高了7 dB;F-K谱分析进一步表明,该方法能更有效地保持地震波场的频域特征。实际陆上二维地震数据测试表明,20%缺失道的重建剖面振幅相对误差为5.72%,具有良好的振幅保真度和相位一致性,为复杂地质条件下的地震数据重建提供了有效且实用的解决方案。 展开更多
关键词 地震数据重建 XGBoost算法 粒子群灰狼混合算法 凸集投影-Curvelet变换(Curvelet-POCS)方法 U-Net方法
暂未订购 下载PDF
基于优化XGBoost算法的玄武岩纤维增强混凝土电阻率预测模型 认领 引用
6
作者 张轶 张彪 +1 位作者 邓翔文 何宏杰 《混凝土》 CAS 北大核心 2026年第2期30-38,共9页
基于电阻率(ER)来评估玄武岩纤维增强混凝土(BFRC)的综合性能具有重要意义。基于此,开发了新型乌燕鸥优化XGBoost(STOA-XGBoost)算法,利用已有20篇文献中的1171组数据建立了BFRC-ER的预测模型。利用SHAP法分析了每个特征的重要性。随后... 基于电阻率(ER)来评估玄武岩纤维增强混凝土(BFRC)的综合性能具有重要意义。基于此,开发了新型乌燕鸥优化XGBoost(STOA-XGBoost)算法,利用已有20篇文献中的1171组数据建立了BFRC-ER的预测模型。利用SHAP法分析了每个特征的重要性。随后,为了便于工程人员使用,借助STOA-XGBoost模型的底层代码开发了BFRC-ER的图形用户界面(GUI)。结果表明,STOA-XGBoost模型的预测值最接近实际值,残差分布的均值和方差更小,5个性能评估指标(R2=0.983,MAPE=0.281,RMSE=3.553,MAE=2.115,MSE=12.61)均表现最为优异。进一步地,特征重要性分析表明环境湿度和龄期与BFRC-ER的相关性最高。结合GUI和特征重要性分析结果,可以优化BFRC的配料并预测其ER,进而生产出高性能BFRC。 展开更多
关键词 玄武岩纤维 XGBoost算法 STOA算法 电阻率 图形用户界面 SHAP法
暂未订购 下载PDF
基于SHAP-XGBoost算法的集装箱落水事故风险预测 认领 引用
7
作者 田佰军 李思颖 王新建 《舰船科学技术》 北大核心 2026年第11期151-157,共7页
针对海上集装箱落水事故引发的重大经济损失、船舶航行安全及海洋生态风险问题,为建立有效的风险预警机制,对多源数据驱动的集装箱落水事故预测模型进行研究。通过整合船舶航行参数、海洋环境数据及人为操作记录三类17维特征变量,基于XG... 针对海上集装箱落水事故引发的重大经济损失、船舶航行安全及海洋生态风险问题,为建立有效的风险预警机制,对多源数据驱动的集装箱落水事故预测模型进行研究。通过整合船舶航行参数、海洋环境数据及人为操作记录三类17维特征变量,基于XGBoost算法构建了事故概率与等级的双重预测模型。采用真实海运事故数据进行验证,结果表明该模型在准确率、精确率、召回率与F1分数等指标上均优于其他机器学习模型。通过SHAP可解释性分析发现,风级、系固设备维护保养情况、系固是否符合规范要求等解释变量是导致集装箱落水事故的关键风险因子,为航运企业制定差异化系固方案及监管部门建立动态监测体系提供了具体优化方向,对提升海上运输安全水平具有实践价值。 展开更多
关键词 XGBoost算法 集装箱落水事故 风险预测
暂未订购 下载PDF
基于XGBoost算法的FY-4B地表温度融合方法研究——以陕西省为例 认领 引用
8
作者 张煦庭 权文婷 +4 位作者 周辉 潘宇鹰 王卫东 李美荣 王钊 《高原气象》 CSCD 北大核心 2026年第3期920-934,共15页
热红外遥感技术能够快速获取区域及全球尺度的地表温度,但无法有效反映有云条件下的地表热环境。针对风云四号B星(FY-4B)地表温度遥感产品在云层覆盖区域数据缺失的问题,提出基于XGBoost(eXtreme Gradient Boosting)机器学习算法的多源... 热红外遥感技术能够快速获取区域及全球尺度的地表温度,但无法有效反映有云条件下的地表热环境。针对风云四号B星(FY-4B)地表温度遥感产品在云层覆盖区域数据缺失的问题,提出基于XGBoost(eXtreme Gradient Boosting)机器学习算法的多源数据融合方法,结合CLDAS(CMA Land Data Assimilation System)地表温度分析产品、气象站点观测数据、地形和植被等辅助数据,对陕西省典型日期的云下地表温度进行了重建与融合试验。结果表明:(1)典型日期融合后的云下地表温度与CLDAS地表温度的相关系数超过0.91,平均绝对误差与均方根误差稳定在2~4℃。(2)融合结果在保留原始FY-4B晴空数据空间特征的同时,与CLDAS地表温度在陕北黄土高原、关中平原及复杂地形区域的空间分布一致性较高。(3)SHAP(SHapley Additive exPlanations)值分析显示,CLDAS地表温度、纬度和归一化植被指数(Normalized Difference Vegetation Index,NDVI)是影响融合结果的关键特征变量,其中,高纬度、低植被覆盖对地表温度模拟值具有显著的正向贡献,尤其是当纬度高于35°N-36°N和NDVI低于0.2时。(4)不同区域云下及全天候条件下的地表温度融合结果与相同条件下的CLDAS地表温度检验效果相似,关中和陕南地区表现较为接近且相对更好。本研究提出的方法可为地表温度的卫星遥感全天候监测业务服务提供技术支持。 展开更多
关键词 FY-4B 地表温度 XGBoost机器学习算法 SHAP可解释性 CLDAS
暂未订购 下载PDF
基于混合策略ISSA-XGBoost的高速公路工程造价预测研究 认领 引用 被引量：1
9
作者 李珏 刘洋 《工程研究——跨学科视野中的工程》 CAS 2026年第1期70-84,共15页
高速公路造价预测是对高速公路建设项目前期阶段进行造价控制的重要手段。本文针对工程实践中小样本数据和工程造价特征指标之间高维、非线性关系的特点,融合正余弦算法和Lévy飞行改进的麻雀算法来优化XGBoost超参数,对高速公路项... 高速公路造价预测是对高速公路建设项目前期阶段进行造价控制的重要手段。本文针对工程实践中小样本数据和工程造价特征指标之间高维、非线性关系的特点,融合正余弦算法和Lévy飞行改进的麻雀算法来优化XGBoost超参数,对高速公路项目进行造价预测,同时与该改进麻雀算法优化的RF、SVM模型比较,结果表明ISSA-XGBoost模型具有更好的泛化性和可解释性,可为高速公路项目的投资决策提供可靠依据。 展开更多
关键词 高速公路 造价预测 Lévy飞行 改进麻雀算法 ISSA-XGBoost
暂未订购 下载PDF
基于多源遥感和XGBoost算法的土壤分类研究 认领 引用
10
作者 赵琨 《西南民族大学学报（自然科学版）》 CAS 2026年第3期345-354,共10页
遥感因子是数字土壤制图的重要环境协变量,但现有研究多依赖单一遥感影像或单类型因子,限制了土壤空间分布的精细表征。为探索多源遥感影像与多类型因子在土壤分类中的潜力,本研究基于Sentinel-1 SAR与Sentinel-2A数据构建了极化特征、... 遥感因子是数字土壤制图的重要环境协变量,但现有研究多依赖单一遥感影像或单类型因子,限制了土壤空间分布的精细表征。为探索多源遥感影像与多类型因子在土壤分类中的潜力,本研究基于Sentinel-1 SAR与Sentinel-2A数据构建了极化特征、植被指数及纹理特征,并结合地形因子形成7种环境变量组合,通过递归特征消除(RFE)筛选变量并融合土壤母质信息,基于XGBoost构建土壤-景观关系模型,实现研究区土壤类型推理制图,并以实地采样点进行精度验证。结果表明,在单一因子制图中,虽然植被指数的重要性最高,但仅使用纹理特征时的制图精度可达65.25%;当植被指数、极化特征和纹理特征协同应用参与制图时,与仅有极化特征参与制图相比,总体制图精度显著提升,由58.16%提升至66.67%。进一步分析不同土壤类型的分类表现发现,多源因子组合在沙泥土、林地泥沙土及硅沙泥田等类型中显著提升了用户精度和生产精度,显示了多源融合在复杂地形和过渡区的优势,验证了多源遥感数据结合XGBoost算法在土壤分类中的可行性,为精细刻画土壤类型空间分布及提升制图精度提供了新的技术路径和实践参考。 展开更多
关键词 土壤分类 数字土壤制图 XGBoost算法 Sentinel-1 Sentinel-2A
暂未订购 下载PDF
一种基于VMD-SABO-XGBoost的隐伏断层密集度预测模型及分区评价方法 认领 引用
11
作者 华明国 周爱桃 +4 位作者 马帅 王一达 李延续 李康 李梦瑶 《煤矿安全》 CAS 北大核心 2026年第4期144-155,共12页
隐伏断层是煤矿生产中的重要地质问题,隐伏断层的规模往往较小,难以进行准确预测。为研究适用于隐伏断层预测的机器学习优化算法,提出了一种基于VMD-SABO-XGBoost的隐伏断层密集度预测模型和断层复杂程度分区评价方法。利用变分模态分解... 隐伏断层是煤矿生产中的重要地质问题,隐伏断层的规模往往较小,难以进行准确预测。为研究适用于隐伏断层预测的机器学习优化算法,提出了一种基于VMD-SABO-XGBoost的隐伏断层密集度预测模型和断层复杂程度分区评价方法。利用变分模态分解(VMD)算法将矿井现场搜集的瓦斯含量、坚固性系数等初始数据分解为多个模态分量,对其进行特征提取,并通过灰色关联分析法计算预测特征的关联度排名,其中断层强度参数、断层分维值、瓦斯含量、煤层底板倾角变异系数、坚固性系数5项特征指标与断层赋存关联度最大;在SABO寻优算法中引入精英反向学习和自适应权重因子,解决模型过早陷入“局部最优解”、收敛性能较差以及特征种群多样性不足的问题,通过实验验证优化前后算法的准确率差异,证明优化后的SABO极大提高了收敛效率,模型预测准确度升高;结合XGBoost机器学习算法组成隐伏断层预测模型。以山西长治某矿井3#煤掘进工作面断层为实验对象,建立断层类型综合分区评价等级,并作为预测标签与传统使用的XGBoost模型、VMD-XGBoost模型和SABO-XGBoost模型进行对比,结果显示,VMD-SABO-XGBoost模型预测精度最高。经过实例验证,和现场实际断层复杂程度对应,验证了该方法的准确性和适应性,可以应用于预测矿井隐伏断层密集度和复杂程度。 展开更多
关键词 隐伏断层 密集度预测 变分模态分解 SABO算法优化 XGBoost
暂未订购 下载PDF
基于NRBO-XGBoost的降雨条件下基坑边坡稳定性预测模型研究 认领 引用
12
作者 赵江平 孙一龙 《工业安全与环保》 2026年第7期12-19,79,共8页
为预防极端降雨条件下基坑边坡失稳造成的坍塌事故,提出基于牛顿-拉夫逊算法(NRBO)优化极限梯度提升(XGBoost)的基坑边坡稳定性预测模型。结合西安市某建筑工地中土钉支护段基坑边坡的实际地质条件和降雨情况,使用Geo-Studio模拟计算不... 为预防极端降雨条件下基坑边坡失稳造成的坍塌事故,提出基于牛顿-拉夫逊算法(NRBO)优化极限梯度提升(XGBoost)的基坑边坡稳定性预测模型。结合西安市某建筑工地中土钉支护段基坑边坡的实际地质条件和降雨情况,使用Geo-Studio模拟计算不同状态下的基坑边坡稳定性,并采用NRBO-XGBoost算法对边坡安全系数进行了预测。结果表明,提出的降雨条件下基坑边坡预测模型能很好地描述影响因素与该基坑边坡稳定性之间复杂的非线性关系,决定系数(R2)、平均绝对误差(MAE)和均方根误差(RMSE)分别为0.9755、0.0203和0.0243,相较于XGBoost模型,R2提高7.6%,RMSE和MAE分别降低50.2%和47.3%,同时与WOA-XGBoost、SSA-XGBoost、XGBoost、SVM和RBF相比,其预测精度最高;在实例验证中,NRBOXGBoost模型对强降雨条件下该基坑边坡稳定性的预测显示出良好的适用性,对实现基坑边坡失稳风险预警具有重要意义。 展开更多
关键词 边坡稳定性 数值模拟 降雨作用 机器学习 NRBO-XGBoost算法
暂未订购 下载PDF
基于多维特征和XGBoost算法的车载动力电池过热风险预警 认领 引用
13
作者 令狐昌伟 李嘉宇 +3 位作者 李昌 王萌 郁亚娟 苏岳锋 《储能科学与技术》 CAS CSCD 北大核心 2026年第7期2817-2827,共11页
随着新能源汽车产业的迅猛发展,动力电池的安全性问题日益凸显,特别是电池过热引发的热失控事故对公共安全构成严重威胁。本工作依托整车企业实际运行的云端用户数据,采用数据驱动方法,围绕新能源汽车动力电池过热故障中的“突然死亡”... 随着新能源汽车产业的迅猛发展,动力电池的安全性问题日益凸显,特别是电池过热引发的热失控事故对公共安全构成严重威胁。本工作依托整车企业实际运行的云端用户数据,采用数据驱动方法,围绕新能源汽车动力电池过热故障中的“突然死亡”类风险开展智能预警研究,构建了一套涵盖数据处理、特征工程、模型训练与平台部署的全流程技术体系。主要研究成果包括:①针对原始数据存在的不规范、噪声多、缺失严重等问题,设计了一套系统化的数据清洗流程,包括数据选择、格式转换、异常修正与缺失填充等步骤,将原始数据转化为可用于建模的结构化形式,并基于故障时间完成样本标签化;②构建基于XGBoost的智能安全预警模型,融合机理特征、统计特征与频域特征三大类特征,通过对多维特征进行重要性分析,识别出日均里程、压差序列最大值、一致性较差单体数量等关键指标,该模型能够有效区分正常与过热车辆,并实现提前10次充电循环的过热预警;③将算法成功部署于数据创造未来(DCF)大数据平台,已对300余辆存在过热风险的车辆完成预测验证,部分高风险车辆已进站维保,初步验证了模型在实际工程场景中的可行性与有效性。研究结果表明,本研究所提出的方法不仅提升了电池过热风险的透明度,增强了用户对新能源汽车的信任感,也为企业提供了数据变现与产品监管的新路径,在电池维保、梯次利用及碳减排等领域具有广阔的应用前景。 展开更多
关键词 电池过热风险预警 新能源汽车 数据驱动 XGBoost算法 故障诊断 多维特征
暂未订购 下载PDF
基于XGBoost-SHAP算法的夏热冬冷地区住宅建筑碳排放时空演变及影响因素研究 认领 引用 被引量：1
14
作者 么智 《环境工程技术学报》 CAS CSCD 北大核心 2026年第1期83-99,共17页
为系统探究夏热冬冷地区住宅建筑碳排放的时空演变规律及其驱动机制,利用2007—2021年九省市的面板数据,采用Slope值、泰尔指数及标准差椭圆等方法探究碳排放的时空特征,结合经贝叶斯超参数优化的XGBoost-SHAP框架,分析该地区碳排放的... 为系统探究夏热冬冷地区住宅建筑碳排放的时空演变规律及其驱动机制,利用2007—2021年九省市的面板数据,采用Slope值、泰尔指数及标准差椭圆等方法探究碳排放的时空特征,结合经贝叶斯超参数优化的XGBoost-SHAP框架,分析该地区碳排放的驱动机制差异。结果发现:碳排放总量从2007年的185.64百万t增至2021年的334.61百万t,增速呈现显著的阶段性特征;空间分布呈现出显著的上下游梯度特征及南北向集聚、东西向发散的演化趋势,区域内差异贡献率持续超过90%;影响维度的作用大小为人口规模>技术水平>经济发展>建筑属性>政策支持>气候特征,上、中、下游地区分别呈现“能源主导型”“人口主导型”和“能源经济双轮驱动型”的差异化发展模式,各影响因素普遍存在显著的非线性效应和临界特征。针对区域差异,提出构建“三层联动”的区域协同机制,实施“双轨并进”“精细化管理”和“系统集成”的差异化减排策略。 展开更多
关键词 夏热冬冷地区 住宅建筑 碳排放 时空演变 XGBoost-SHAP算法
暂未订购 下载PDF
基于XGBoost-SHAP框架的科研合作频次归因分析 认领 引用
15
作者 彭兆祺 石斌 +1 位作者 杨杰 邓三鸿 《情报学报》 CSSCI CSCD 北大核心 2026年第3期332-349,共18页
科研合作频次的背后蕴含着复杂的合作特征,在揭示科研人员合作关系的强度与模式方面具有关键作用。本研究选取生物医学领域数据集PKG 2.0(PubMed knowledge graph 2.0)中的13220951条真实合作关系作为样本,旨在揭示不同合作频次背后的... 科研合作频次的背后蕴含着复杂的合作特征,在揭示科研人员合作关系的强度与模式方面具有关键作用。本研究选取生物医学领域数据集PKG 2.0(PubMed knowledge graph 2.0)中的13220951条真实合作关系作为样本,旨在揭示不同合作频次背后的关键驱动因素和内在规律。首先,以合作频次作为表征合作关系强度的代理变量,并根据其数据分布特征将频次划分为低频、中频和高频合作;其次,选择研究相似度、成果生产模式、学术资本和个体属性等维度的10类差异性变量,作为描述作者间合作关系的特征体系,并运用XGBoost(extreme gradient boosting)算法捕捉高维特征间的复杂关联;最后,通过SHAP(shapley additive explanations)解释框架对预测模型进行归因分析,以评估特征对不同合作频次的影响程度和交互机制。本研究发现,作者间研究主题相似度在合作频次分类中发挥主要作用,其次为论文数量差异、总被引用次数差异和均被引次数差异。研究主题高相似是维持高频合作的核心要素,低频合作则更关注总量积累而非个体论文影响力。研究主题相似度、论文数量差异与H指数差异对合作频次的作用模式分别为双峰对称型、阈值稳定型及边际递减型。此外,高频合作对知识结构或影响力构成等异质性因素具有显著的包容性,其背后往往形成了以互补为导向的有效分工机制。 展开更多
关键词 科研合作 合作频次 XGBoost-SHAP 算法归因
暂未订购 下载PDF
融合光学和声学特征的岛礁周边海底底质GA-XGBoost分类方法 认领 引用 被引量：2
16
作者 张玉洁 李杰 +3 位作者 李宁宁 刘晓瑜 唐秋华 张靖宇 《海洋科学进展》 CAS CSCD 北大核心 2026年第1期111-124,共14页
海底底质类型的精确识别对了解底栖海洋群落的分布和规划海洋资源可持续开发至关重要,机器学习算法是识别底质类型的有效手段。针对岛礁单一声学数据底质分类局限性,融合多光谱遥感数据为解决该局限性提供了新思路。本研究提出了一种融... 海底底质类型的精确识别对了解底栖海洋群落的分布和规划海洋资源可持续开发至关重要,机器学习算法是识别底质类型的有效手段。针对岛礁单一声学数据底质分类局限性,融合多光谱遥感数据为解决该局限性提供了新思路。本研究提出了一种融合多光谱遥感数据和多波束数据、基于特征选择和遗传算法——极限梯度提升算法(Genetic Algorithm-Extreme Gradient Boosting, GA-XGBoost)的多源数据海底底质分类方法。首先对WorldView-2多光谱数据和多波束数据进行预处理,统一地理坐标系统并进行空间分辨率配准;然后提取多光谱影像的光谱特征、测深数据的地形特征及反向散射强度纹理特征,组成18维特征参数,基于XGBoost(Extreme Gradient Boosting)算法结合向前逐步特征选择从18维特征中选出12维最优特征子集;之后构建GA-XGBoost分类模型,分别使用单一数据源及多源数据训练和测试模型,与BPNN(Back Propagation Neural Network)、 GA-BP(Genetic Algorithm-Back Propagation Neural Network)和XGBoost分类算法的精度对比分析;最后,应用最优的GA-XGBoost模型对整个研究区底质进行分类并可视化。实验结果显示,该方法在海底底质分类中的总体精度达91.23%,Kappa系数为0.87,F1分数为0.911 8,显著优于单一数据源输入及对比算法,表明GA-XGBoost模型为海底底质快速、准确分类的一种新的有效解决方案。 展开更多
关键词 海底底质分类 多源数据 遗传算法 XGBoost 机器学习
暂未订购 下载PDF
基于GWO-XGBoost模型的致密砂岩储层流体测井智能识别——以鄂尔多斯盆地洪德地区三叠系长8段为例 认领 引用 被引量：1
17
作者 薛博文 张兆辉 +2 位作者 张皎生 邹建栋 张闻亭 《岩性油气藏》 CAS CSCD 北大核心 2026年第2期111-121,共11页
针对传统测井解释方法在致密砂岩储层流体类型上识别精度低的问题,提出了一种基于测井曲线的GWO-XGBoost模型储层流体智能识别方法,并将该方法应用于鄂尔多斯盆地洪德地区三叠系长8段致密砂岩储层中。研究结果表明:①以鄂尔多斯盆地洪... 针对传统测井解释方法在致密砂岩储层流体类型上识别精度低的问题,提出了一种基于测井曲线的GWO-XGBoost模型储层流体智能识别方法,并将该方法应用于鄂尔多斯盆地洪德地区三叠系长8段致密砂岩储层中。研究结果表明:①以鄂尔多斯盆地洪德地区三叠系长8段实际试油数据为目标变量,经主成分分析法优选出声波、自然电位、密度、井径、中子、自然伽马、电阻率测井(AT20、AT60和AT90)等9条测井曲线作为特征参数,再通过灰狼优化算法(GWO)对XGBoost模型的关键超参数进行全局优化。②GWO-XGBoost模型对储层流体类型的识别准确率达到96.55%,相较于XGBoost、随机森林(RF)和支持向量机(SVM)模型,其识别精度分别提升了6.03%,6.89%和22.41%,展现出明显的优势。③实际单井应用中,GWO-XGBoost模型通过对多维测井响应特征的综合分析与非线性特征学习,能够有效解决人工解释中低阻油层与高阻水层易混淆的难题,该模型在复杂储层条件下具有较高的稳定性与可靠性,可为提高致密砂岩油气勘探开发效率提供技术支撑。 展开更多
关键词 XGBoost 灰太狼算法(GWO) 智能模型 储层流体识别 致密砂岩 非常规油气 三叠系 洪德地区 鄂尔多斯盆地
暂未订购 下载PDF
基于XGBoost-LSTM模型的供水管网余氯预测及预警方法 认领 引用
18
作者 李中伟 肖磊 +2 位作者 陆晶莹 陈春芳 李高程 《净水技术》 CAS 2026年第7期182-189,共8页
【目的】供水管网是城市运行的命脉,保障其水质安全至关重要。随着智慧水务的深入推进,在线监测仪器正逐步取代传统人工检测,成为水质监控的主要方式。在这一体系中,余氯在线监测尤为关键,是城市管网水质安全的第一道防线。而电极式余... 【目的】供水管网是城市运行的命脉,保障其水质安全至关重要。随着智慧水务的深入推进,在线监测仪器正逐步取代传统人工检测,成为水质监控的主要方式。在这一体系中,余氯在线监测尤为关键,是城市管网水质安全的第一道防线。而电极式余氯传感器在使用中会产生信号衰减影响监测数据。本文旨在解决供水管网安培法余氯电极信号衰减导致的测量偏差问题,并推动水质监测向“主动预测预警”转型。【方法】本文部署比色法与电极法并行监测系统,构建融合数据驱动的极端梯度提升和长短期记忆网络(XGBoost-LSTM)混合模型。其中,XGBoost算法用于校正电极信号以获得高精度余氯序列,LSTM模型实现余氯时间序列多步预测,据此搭建具备故障自诊断与异常识别功能的预警系统,形成智能预测预警方法。【结果】XGBoost补偿模型将电极测量34 d的平均绝对误差由0.2526 mg/L降至0.1102 mg/L,降幅达56.37%;LSTM预测模型在前2 h内的预测偏差为0.0166~0.0264 mg/L,相对误差为3.5%~5.7%。并构建了基于预测值的三级动态阈值水质预警机制。在多次真实管网异常事件中,本系统成功实现余氯在线预测预警,验证了其有效性与可靠性。【结论】本文构建“精准补偿-智能预测-超前预警”的一体化技术闭环,既为攻克电极信号衰减难题提供创新性解决方案,也为保障城市供水水质安全提供智能化的技术支撑。 展开更多
关键词 城市生命线 余氯监测 XGBoost算法 LSTM神经网络 智能预测
暂未订购 下载PDF
基于多源遥感数据和PSO-XGBoost算法的森林蓄积量反演方法研究 认领 引用
19
作者 王琰 王照利 +2 位作者 魏智海 石小华 熊向阳 《西北林学院学报》 CSCD 北大核心 2026年第4期83-96,共14页
森林蓄积量(forest stock volume,FSV)可以反映森林资源状况,是森林资源调查的关键指标之一。遥感技术因范围广、周期短、成本低而优势显著,通过结合多源遥感数据反演蓄积量,可快速准确监测森林资源,提升管理效率与质量。本文以新疆天... 森林蓄积量(forest stock volume,FSV)可以反映森林资源状况,是森林资源调查的关键指标之一。遥感技术因范围广、周期短、成本低而优势显著,通过结合多源遥感数据反演蓄积量,可快速准确监测森林资源,提升管理效率与质量。本文以新疆天山西部区域为研究区,以样地实测数据为依据,融合Sentinel-1 SAR数据后向散射系数及纹理特征、Sentinel-2多光谱植被指数数据,结合DEM高程数据,通过对比评价指标最终选择估测精度最高的模型进行研究区森林蓄积量反演。研究发现:1)多源遥感数据反演结果优于单一遥感数据,其中以Sentinel-1与Sentinel-2遥感数据结合DEM高程数据效果最佳,通过对比反演模型验证了本文提出的方法在提高反演精度方面的有效性。2)本文提出了一种优化后的集成学习算法,利用粒子群优化算法(particle swarm optimization,PSO)全局搜索和低时间复杂度的优势,通过协作和随机扰动来搜索优化梯度,提升决策树算法(eXtreme gradient boosting,XGBoost)的各个参数,从而有效提高了XG-Boost模型预测性能。其中MSE达到14.64、RMSE为3.83、MAE为2.83、决定系数R2达到了0.85,验证了本文提出方法的有效性与准确率。本文提出的融合多源遥感数据的PSO-XGBoost方法有效地提高了森林蓄积量反演精度和模型稳定性,为区域尺度下的森林蓄积量的遥感估算提供了理论依据和实用方案。 展开更多
关键词 蓄积量反演 多源遥感数据 集成学习 PSO-XGBoost算法
暂未订购 下载PDF
基于DOA-XGBoost高效优化算法的风机基础力学参数反演方法 认领 引用
20
作者 梁贤哲 叶恺 +3 位作者 胡之晨 苏国韶 李鑫丞 陈贤杰 《水力发电》 CAS 2026年第1期105-111,共7页
针对时变风荷载下风机基础力学参数难以快速确定的问题,提出了一种融合梦境优化算法(DOA)与极端梯度提升(XGBoost)的风机基础力学参数反演方法。该方法以风机基础变形监测数据与数值模拟结果的时间序列均方根误差最小化为目标函数,利用... 针对时变风荷载下风机基础力学参数难以快速确定的问题,提出了一种融合梦境优化算法(DOA)与极端梯度提升(XGBoost)的风机基础力学参数反演方法。该方法以风机基础变形监测数据与数值模拟结果的时间序列均方根误差最小化为目标函数,利用DOA强大的全局搜索能力进行参数寻优。在寻优过程中,将积累历史样本数据用于训练XGBoost代理模型,以加速优化进程。基于数学测试函数的验证表明,与DOA相比,DOA-XGBoost算法显著提高全局寻优效率,同时大幅减少函数调用次数。在陆上风机案例中,该方法具有参数反演效率高、实用性强的特点,为时变风荷载作用下风机基础力学参数的高效确定提供了一个可靠的解决方案。 展开更多
关键词 风机基础 参数反演 基础变形 优化算法 DOA-XGBoost算法
暂未订购 下载PDF
已选0条
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 … 32 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈