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331篇文章
< 1 2 … 17 >
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：
Spatiotemporal dynamics of land surface temperature in Yunnan,China:Interpreting multi-temporal drivers using eXtreme Gradient Boosting(XGBoost)and SHapley Additive exPlanations(SHAP) 认领 引用
1
作者 LIAO Chaolian HE Xudong +3 位作者 LONG Xiaomin WAN Ailing ZHOU Ruliang WANG Yanxia 《Regional Sustainability》 CAS CSCD 2026年第3期53-73,共21页
Amid global warming,mountainous regions have emerged as critical zones of investigation owing to their heightened vulnerability to climate change,their ecological significance,and the intensified interactions between ... Amid global warming,mountainous regions have emerged as critical zones of investigation owing to their heightened vulnerability to climate change,their ecological significance,and the intensified interactions between natural stress and human activities.Land surface temperature(LST)is a fundamental indicator for assessing climatic sensitivity in these landscapes.However,a comprehensive understanding of the spatiotemporal dynamics and driving mechanisms of LST across large mountainous regions remains limited.Therefore,data from the Terra Moderate Resolution Imaging Spectroradiometer Land Surface Temperature/Emissivity Daily(MOD11A1)Version 6.1 product during 2001–2020 in Yunnan Province(a complex mountainous region),China,were analyzed.Sen's slope analysis and Mann-Kendall test were applied to detect LST trends and spatial heterogeneity at both annual and seasonal scales.Subsequently,an eXtreme Gradient Boosting(XGBoost)model coupled with SHapley Additive exPlanations(SHAP)was employed to clarify the nonlinear contributions of multiple drivers.The study revealed the following findings.LST exhibited an overall warming rate of 0.020℃/a,characterized by daytime cooling(–0.008℃/a)and nighttime warming(0.048℃/a).LST increased during spring,summer,and autumn(0.011℃/a–0.018℃/a),whereas winter LST exhibited a cooling trend(–0.011℃/a).These variations were spatially partitioned by the Ailao Mountains,with the southwest displaying stronger thermal changes than the northeast.Natural controls,including digital elevation model(DEM)and downward shortwave radiation(DSR),predominated in the northwest high mountain canyons area and south tropical rainforest area,whereas nature–human interactions were more pronounced in the central urban agglomeration warming area and southeast karst landform area.The dominant drivers consisted of DEM,DSR,Normalized Difference Moisture Index,particulate matter 2.5(PM2.5),and aerosol optical depth(AOD).The strong correlations between gross domestic product and population density(correlation coefficient(r)=0.95),as well as between PM2.5 and AOD(r=0.84),highlighted the increasing influence of socioeconomic factors on surface warming.This study can advance the understanding of how mountain topography,moisture,and anthropogenic pressures jointly regulate surface thermal regimes and provide region-specific insights for climate adaptation and sustainable ecosystem management. 展开更多
关键词 Land surface temperature(LST) Sen’s slope analysis Mann-Kendall test Driving mechanism eXtreme Gradient Boosting(XGBoost) SHapley Additive exPlanations(SHAP) Yunnan
暂未订购 下载PDF
Bridge damage identification based on convolutional autoencoders and extreme gradient boosting trees 认领 引用 被引量：7
2
作者 Duan Yuanfeng Duan Zhengteng +1 位作者 Zhang Hongmei Cheng J.J.Roger 《Journal of Southeast University(English Edition)》 EI CAS 2024年第3期221-229,共9页
To enhance the accuracy and efficiency of bridge damage identification,a novel data-driven damage identification method was proposed.First,convolutional autoencoder(CAE)was used to extract key features from the accele... To enhance the accuracy and efficiency of bridge damage identification,a novel data-driven damage identification method was proposed.First,convolutional autoencoder(CAE)was used to extract key features from the acceleration signal of the bridge structure through data reconstruction.The extreme gradient boosting tree(XGBoost)was then used to perform analysis on the feature data to achieve damage detection with high accuracy and high performance.The proposed method was applied in a numerical simulation study on a three-span continuous girder and further validated experimentally on a scaled model of a cable-stayed bridge.The numerical simulation results show that the identification errors remain within 2.9%for six single-damage cases and within 3.1%for four double-damage cases.The experimental validation results demonstrate that when the tension in a single cable of the cable-stayed bridge decreases by 20%,the method accurately identifies damage at different cable locations using only sensors installed on the main girder,achieving identification accuracies above 95.8%in all cases.The proposed method shows high identification accuracy and generalization ability across various damage scenarios. 展开更多
关键词 structural health monitoring damage identification convolutional autoencoder(CAE) extreme gradient boosting tree(XGBoost) machine learning
暂未订购 下载PDF
基于多域特征融合与XGBoost的基础环式风电机组基础脱空损伤判定评估 认领 引用
3
作者 于生飞 纪成亮 +4 位作者 张勇 张昴辉 刘聪 魏焕卫 尹贤贤 《振动与冲击》 EI CSCD 北大核心 2026年第11期47-57,共11页
针对基础环式风电机组基础环与周边混凝土脱空损伤判定问题,提出一种基于多域特征融合与极端梯度提升(extreme gradient boosting,XGBoost)的智能识别方法。通过加速度传感器采集基础环周边混凝土的振动响应信号,提取7类时域特征、5类... 针对基础环式风电机组基础环与周边混凝土脱空损伤判定问题,提出一种基于多域特征融合与极端梯度提升(extreme gradient boosting,XGBoost)的智能识别方法。通过加速度传感器采集基础环周边混凝土的振动响应信号,提取7类时域特征、5类频域特征及小波包时频域特征,构建高维特征矩阵;经Z-score标准化消除数据尺度差异后,采用主成分分析降维(前10个主成分累计贡献率95.7%)优化特征输入;最终利用XGBoost分类模型实现基础脱空损伤程度(正常、初步损伤、中度损伤、严重损伤)的识别。室内试验(2000组样本)结果表明,该方法分类准确率达99.0%,5折交叉验证准确率均≥99.0%,显著优于支持向量机(86.3%)、多层感知机(96.3%)和随机森林(97.0%)模型;现场测试数据分类准确率达87.0%,初步验证了方法的工程适用性。 展开更多
关键词 基础环 脱空损伤 振动信号 特征融合 极端梯度提升(XGBoost) 分类识别
暂未订购 下载PDF
基于XGBoost-MTL的深层致密砂岩储层物性预测研究 认领 引用
4
作者 成友友 郭怡妮 +3 位作者 谭成仟 成育红 张少华 梁亮 《西北地质》 CAS CSCD 北大核心 2026年第4期109-121,共13页
深层致密砂岩储层物性参数的准确预测对于储层评价和“甜点”预测至关重要,但现有模型难以充分刻画参数之间复杂的非线性关系,且无法实现多参数同时预测。笔者以塔里木盆地库车坳陷侏罗系阳霞组致密砂岩储层为例,对岩心开展高压压汞和... 深层致密砂岩储层物性参数的准确预测对于储层评价和“甜点”预测至关重要,但现有模型难以充分刻画参数之间复杂的非线性关系,且无法实现多参数同时预测。笔者以塔里木盆地库车坳陷侏罗系阳霞组致密砂岩储层为例,对岩心开展高压压汞和核磁共振实验,提取储层微观参数,选取平均孔喉半径、排驱压力、分形维数和分选系数作为特征参数,在单任务XGBoost模型基础上引入了多任务学习(MTL)框架,并使用注意力机制优化特征选择能力,提出了一种适用于小样本数据的基于极限梯度提升(XGBoost)与多任务学习(MTL)的联合预测模型,开展渗透率和孔隙度的同步预测,并设置多组对比实验,从预测精度、误差指标等多角度评估模型性能。研究结果表明:(1)高压压汞和核磁共振分形维数曲线都呈现出“三段式”特征,指示深层致密砂岩储层具有典型的多重分形特征;(2)XGBoost-MTL模型在致密砂岩孔渗预测中,预测值与真实值相关性指数分别高达0.91和0.95,均方根误差与单任务XGBoost模型相比降低约70%,表现出良好的预测效果;(3)研究区孔喉尺度以中孔为主,运用注意力分数方法,发现分形维数对储层渗透率影响最为显著,平均孔喉半径对孔隙度影响最为显著。本研究为深层致密砂岩储层物性预测提供了一种可靠的数据驱动方法,研究成果已在库车坳陷阳霞组储层评价中成功应用,预测误差控制在8.3%以内,对深层致密砂岩气藏高效开发具有重要指导意义。 展开更多
关键词 深层致密砂岩 储层物性 极限梯度提升(XGBoost) 多任务学习(MTL) 库车坳陷
暂未订购 下载PDF
基于SSA-XGBoost模型的爆破振动速度预测研究 认领 引用
5
作者 徐智超 陈匀杉 +3 位作者 邓超 赵旭 周双双 计静 《安全与环境学报》 CAS CSCD 北大核心 2026年第8期3066-3074,共9页
爆破振动速度的准确预测对工程安全、环境保护及爆破施工优化具有重要意义。针对传统经验公式精度低、适应性差的问题,提出了一种基于麻雀搜索算法(Sparrow Search Algorithm,SSA)优化极限梯度提升(eXtreme Gradient Boosting,XGBoost)... 爆破振动速度的准确预测对工程安全、环境保护及爆破施工优化具有重要意义。针对传统经验公式精度低、适应性差的问题,提出了一种基于麻雀搜索算法(Sparrow Search Algorithm,SSA)优化极限梯度提升(eXtreme Gradient Boosting,XGBoost)的预测模型。首先,采用SSA优化XGBoost模型的超参数,以提高模型的预测能力和泛化能力;其次,采用5折交叉验证,并选取支持向量回归(Support Vector Regression,SVR)、多层感知机(Multi-Layer Perceptron,MLP)、随机森林(Random Forest,RF)、XGBoost和SSA-RF为对比模型;最后,基于XGBoost的特征重要性分析,量化各因素在爆破振动速度预测中的相对重要性。结果表明,SSA-XGBoost模型在交叉验证中表现最优,R2和VAF分别达到0.9614和96.09%,ERMSE和EMAE分别为0.2735和0.0718,均优于所有对比模型。研究为爆破振动速度预测提供了高精度、强泛化的新方法,也为优化爆破设计和控制振动影响提供了依据。 展开更多
关键词 安全工程 爆破 振动速度 麻雀搜索算法 极限梯度提升 预测
暂未订购 下载PDF
基于XGBoost-NSGA-Ⅱ的米勒循环氢内燃机多目标优化 认领 引用
6
作者 楼狄明 林泽涵 +1 位作者 张允华 房亮 《内燃机学报》 EI CAS CSCD 北大核心 2026年第4期302-312,共11页
基于一台6缸、缸内直喷米勒循环氢内燃机(ICE),以米勒度、进气歧管绝对压力(pim)、喷氢正时和过量空气系数(φa)为4维决策变量,建立极端梯度提升(XGBoost)代理模型结合第2代非支配排序遗传算法(NSGA-Ⅱ)对指示平均有效压力(IMEP)... 基于一台6缸、缸内直喷米勒循环氢内燃机(ICE),以米勒度、进气歧管绝对压力(pim)、喷氢正时和过量空气系数(φa)为4维决策变量,建立极端梯度提升(XGBoost)代理模型结合第2代非支配排序遗传算法(NSGA-Ⅱ)对指示平均有效压力(IMEP)、指示热效率(ITE)和NOx排放3目标协同优化,并通过GT-Power闭环仿真验证优化结果的可靠性.结果表明:XGBoost代理模型对IMEP、ITE和NOx排放的测试集决定系数(R2)分别为0.9912、0.9932和0.9949.φa同时主导3目标,pim和喷氢正时分别是IMEP和ITE的次主导因子,相对量级分别为φa的55%和67%,米勒度与pim协同才能有效抑制NOx排放;在NSGA-Ⅱ获得的100组Pareto非支配解的3目标取值范围中,IMEP为1.008~1.900 MPa、ITE为43.22%~44.82%、NOx排放近似0.001×10-6~439.860×10-6,最优解对应IMEP=1.524 MPa、ITE=44.18%且NOx排放为5.030×10-6.GT-Power闭环验证5个代表性Pareto解,IMEP和ITE的5点平均相对误差(MRE)为-1.07%和-0.07%,NOx排放的3个有效工况MRE为-2.04%. 展开更多
关键词 氢内燃机 米勒循环 多目标优化 极端梯度提升(XGBoost)代理模型 第2代非支配排序遗传算法
暂未订购 下载PDF
基于IBES-XGBoost的矿井巷道摩擦阻力因数预测模型 认领 引用
7
作者 闫振国 周勃兴 +4 位作者 王延平 秦志鑫 张嘉珞 何世龙 袁林雨 《工矿自动化》 CSCD 北大核心 2026年第3期123-132,共10页
针对现有基于机器学习的矿井巷道摩擦阻力因数α预测算法存在欠拟合或过拟合、预测精度不高等问题,提出一种集成反向学习初始化、混沌自适应参数、动态自适应变异和混沌局部搜索策略的改进秃鹰搜索(IBES)算法,采用该算法对极限梯度提升... 针对现有基于机器学习的矿井巷道摩擦阻力因数α预测算法存在欠拟合或过拟合、预测精度不高等问题,提出一种集成反向学习初始化、混沌自适应参数、动态自适应变异和混沌局部搜索策略的改进秃鹰搜索(IBES)算法,采用该算法对极限梯度提升树(XGBoost)模型的关键超参数进行自适应寻优,在此基础上以多维度巷道几何参数及结构类别信息为输入特征,以最小化预测均方根误差(RMSE)为目标函数,构建了矿井巷道α预测模型(IBES-XGBoost模型)。通过标准测试函数测试验证了IBES算法较原始秃鹰搜索算法及其他元启发式算法在求解精度、收敛速度和稳定性方面均表现出显著优势。基于陕北地区多个矿井现场实测获得的涵盖4种典型断面形状与8种支护方式等复杂工况的260组样本构建数据集,按支护类型分层抽样并按8∶2划分训练集与测试集,通过5折交叉验证完成超参数寻优。实验结果表明:IBES-XGBoost模型对测试集的预测RMSE为0.001232,平均绝对误差(MAE)为0.000868,决定系数(R2)为0.985426,优于所有对比模型,且与次优的BES-XGBoost模型相比,其RMSE和MAE分别降低了49.94%和49.09%,验证了IBES-XGBoost模型具有极高的预测准确率和鲁棒性。 展开更多
关键词 矿井通风 巷道摩擦阻力因数 极限梯度提升树 改进秃鹰搜索算法 超参数寻优 预测模型
暂未订购 下载PDF
GADF-CNN与IGCRA优化的XGBoost齿轮箱故障诊断方法 认领 引用
8
作者 杨焕峥 薛洪惠 卞达 《组合机床与自动化加工技术》 北大核心 2026年第7期163-169,174,共7页
针对工业齿轮箱在自动化加工系统中运行过程中常见的故障识别滞后与特征提取能力不足的问题,提出一种GADF-CNN与IGCRA优化XGBoost的智能故障诊断方法,以提升复杂工况下的故障检测精度与响应速度。该方法首先采用格拉姆角差场(GADF)将齿... 针对工业齿轮箱在自动化加工系统中运行过程中常见的故障识别滞后与特征提取能力不足的问题,提出一种GADF-CNN与IGCRA优化XGBoost的智能故障诊断方法,以提升复杂工况下的故障检测精度与响应速度。该方法首先采用格拉姆角差场(GADF)将齿轮箱振动信号转换为二维图像特征,有效保留时序结构与变化趋势;随后利用二维卷积神经网络(2D CNN)提取深层图像特征,增强特征表达能力,并输入至XGBoost分类器进行故障判别。为进一步提升模型性能,设计改进的大蔗鼠优化算法(IGCRA),融合非线性权重和自适应因子、正余弦和麻雀警戒策略,有效提高超参数寻优的收敛效率与全局搜索能力。基于东南大学齿轮箱数据集的试验结果表明,该方法故障诊断准确率达到98.75%,显著优于GADF-XGBoost等,为自动化加工设备健康监测提供了智能支撑。 展开更多
关键词 格拉姆角差场 改进的大蔗鼠优化算法 极端梯度提升 齿轮箱 故障诊断
暂未订购 下载PDF
基于BO-XGBoost-SHAP架构的矿井主提升机故障诊断模型 认领 引用
9
作者 盛武 储小渝 吴敏玮 《中国安全科学学报》 EI CAS CSCD 北大核心 2026年第5期89-97,共9页
为解决矿用主提升机传统运维模式中故障响应滞后、精准度不足的问题,构建基于贝叶斯优化-极限梯度提升算法(BO-XGBoost)的矿井主提升机故障诊断模型,并结合沙普利加和解释法(SHAP)增强模型的可解释性;使用贝叶斯优化(BO)算法优化XGBoos... 为解决矿用主提升机传统运维模式中故障响应滞后、精准度不足的问题,构建基于贝叶斯优化-极限梯度提升算法(BO-XGBoost)的矿井主提升机故障诊断模型,并结合沙普利加和解释法(SHAP)增强模型的可解释性;使用贝叶斯优化(BO)算法优化XGBoost超参数;基于试验煤矿主提升机监测数据,结合XGBoost模型与SHAP归因分析方法识别关键影响因素与作用机制。研究结果表明:与基线XGBoost模型相比,BO-XGBoost模型准确率提高4.1%,对数损失降低41.9%,模型训练时间缩短80.1%;相较于传统决策树、随机森林和LightGBM算法,BO-XGBoost模型的精确率分别提升26.5%、11.9%和13.6%,展现出优异的测试准确性;钢丝绳张力、下天轮温度以及电机电压是故障发生的3个关键致因因素;不同故障类型受不同因素影响,如过高的主轴振动、电机温度以及过低的提升速度对主轴故障预测的正增益更大;三因素交互分析揭示了钢丝绳故障时各因素的主导作用及影响规律,钢丝绳故障概率主要由张力、电机电流及提升速度主导,张力或电流过低会显著增加风险,提升速度升高也会加剧故障概率,而下天轮温度影响较弱。 展开更多
关键词 贝叶斯优化-极限梯度提升算法(BO-XGBoost) 沙普利加和解释法(SHAP) 矿井主提升机 故障诊断 致因定位
暂未订购 下载PDF
基于特征工程-XGBoost的铁路隧道衬砌施工碳排放预测及影响因素研究 认领 引用
10
作者 鲍学英 孙航 +2 位作者 闻克宇 冉墨文 熊红辉 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2026年第3期48-56,89,共9页
铁路隧道衬砌施工作为隧道施工的关键环节,其碳排放量不可忽视。为解决因铁路隧道衬砌施工关键碳排放源及影响因素不清晰导致的碳排放预测结果不准确、泛化能力较差的问题,提出了基于特征工程与极限梯度提升算法(XGBoost)的铁路隧道衬... 铁路隧道衬砌施工作为隧道施工的关键环节,其碳排放量不可忽视。为解决因铁路隧道衬砌施工关键碳排放源及影响因素不清晰导致的碳排放预测结果不准确、泛化能力较差的问题,提出了基于特征工程与极限梯度提升算法(XGBoost)的铁路隧道衬砌施工碳排放影响因素筛选方法及其预测模型。首先,界定铁路隧道衬砌施工阶段的计算边界,构建基于工序单元的模块化衬砌施工碳排放计算模型;其次,运用随机森林中的袋外估计和互信息两种算法,对初始特征集进行去冗余,以袋外误差(OOB)错误率为评价指标筛选出最优影响因素集;最后,运用XGBoost进行碳排放预测,并引入部分依赖图(PDP)揭示特征变量与碳排放量之间的边际影响效应。以西南某铁路隧道为案例进行验算,结果显示:在案例隧道中,喷射混凝土、钢架与连接钢筋、锚杆支护的碳排放占比最高,合计超过70%;在能源材料消耗中,混凝土和钢材产生的碳排放最多,合计超过80%;对特征工程-XGBoost模型进行验证,各项评估指标的数值表明模型具有良好的效果,最终确定最优子集C={围岩等级、施工工法、埋深、钢架类型、预留变形量}为最优影响因素集,并可视化分析了不同特征的影响机理。 展开更多
关键词 隧道工程 隧道衬砌 特征工程 影响因素 碳排放预测 极限梯度提升算法
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
11
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XGBoost与多源域迁移学习的贫资料地区负荷预测方法 认领 引用 被引量：2
12
作者 唐義坤 唐志远 +2 位作者 罗同桐 谯傲 刘俊勇 《现代电力》 CSCD 北大核心 2026年第3期464-474,共11页
准确的负荷预测对保障电力系统安全稳定运行非常关键,贫资料地区由于缺乏相关的有效数据集,难以使用传统的机器学习预测方法。针对小样本条件下的负荷预测问题,提出一种基于极限梯度提升树(extreme gradient boosting,XGBoost)与多源域... 准确的负荷预测对保障电力系统安全稳定运行非常关键,贫资料地区由于缺乏相关的有效数据集,难以使用传统的机器学习预测方法。针对小样本条件下的负荷预测问题,提出一种基于极限梯度提升树(extreme gradient boosting,XGBoost)与多源域迁移学习框架。首先,为度量源域与目标域之间的可迁移性,利用XGBoost构建域数据的特征–输出映射关系,并引入一种基于夏普利可加性解释(Shapley additive explanations,SHAP)值分布的相似性度量方法,计算域之间特征–输出映射关系的相似性。然后,选择与目标域高度相似的多个源域模型作为迁移模型,并通过最优组合系数将各个源域模型的输出结果集成,以提高整体的迁移效果。最后,使用开源数据对所提出的框架进行性能评估和有效性验证,相比于多层感知机(multilayer perception,MLP)、支持向量回归(support vector regression,SVR)、长短期记忆网络(long short-term memory network,LSTM)和XGBoost方法的直接预测,所提方法能提高至少10%的预测精度;相较于基于形态相似性的迁移学习方法,所提方法能提升选择有效源域的准确性。 展开更多
关键词 负荷预测 迁移学习 极限梯度提升树 可迁移性度量 夏普利可加性解释
暂未订购 下载PDF
基于多算法与XGBoost融合的柴油机瞬态排放预测 认领 引用
13
作者 王浩锦 何晓乐 +5 位作者 严浩 陈鑫 周嘉豪 王满 曹荣雪 廖健雄 《内燃机工程》 CAS CSCD 北大核心 2026年第2期47-57,共11页
针对单一算法存在的各种不足,提出了一种组合多种机器学习算法和分布式梯度提升库(extreme gradient boosting,XGBoost)的全新混合模型,用于柴油机瞬时排放特性预测。其中多种机器学习算法包括人工神经网络(artificial neural network,A... 针对单一算法存在的各种不足,提出了一种组合多种机器学习算法和分布式梯度提升库(extreme gradient boosting,XGBoost)的全新混合模型,用于柴油机瞬时排放特性预测。其中多种机器学习算法包括人工神经网络(artificial neural network,ANN)、支持向量机(support vector machine,SVM)、带有外部输入的非线性自回归神经网络(nonlinear autoregressive with exogenous inputs,NARX)、长短时记忆网络(long short-term memory networks,LSTM)、门控循环单元(gated recurrent unit,GRU)、Transformer及时序卷积神经网络(temporal convolutional network,TCN)。同时还使用随机森林算法对混合模型的输入变量进行了筛选,并使用粒子群优化(particle swarm optimization,PSO)算法和遗传算法(genetic algorithm,GA)确定了混合模型的最优超参数。研究结果表明,多算法+XGBoost的混合模型综合了不同机器学习算法各自的优点,实现了更为精确的柴油机排放特性预测。在训练集和验证集上混合模型均表现出了较好的预测性能,其R2值分别高于0.980与0.967。在测试集上,混合模型的R2值则均高于0.930,展现出了极强的泛化能力。 展开更多
关键词 柴油机 排放特性预测 多算法混合模型 机器学习算法 极端梯度提升
暂未订购 下载PDF
基于混合改进XGBoost的炼化装置进出料管道腐蚀预测方法 认领 引用
14
作者 马铭骏 胡瑾秋 +1 位作者 张来斌 陆宇航 《化工进展》 EI CAS CSCD 北大核心 2026年第7期3885-3896,共12页
为实现管道腐蚀速率的精准预测,本文提出了一种基于联合特征筛选与混合改进极端梯度提升(XGBoost)算法的腐蚀速率建模方法。首先,通过核主成分分析(KPCA)判断工况参数的线性特征,结合Pearson相关性系数和最大信息系数(MIC)对原始工况参... 为实现管道腐蚀速率的精准预测,本文提出了一种基于联合特征筛选与混合改进极端梯度提升(XGBoost)算法的腐蚀速率建模方法。首先,通过核主成分分析(KPCA)判断工况参数的线性特征,结合Pearson相关性系数和最大信息系数(MIC)对原始工况参数进行结构判断与特征筛选,构建最优输入特征子集。随后,引入具有Dropout机制的XGBoost-DART模型构建预测器,以增强模型泛化能力与鲁棒性。为进一步提升模型精度,采用混合动态扰动策略灰狼优化算法(HDPSGWO)对其关键超参数进行寻优配置。最后,在我国西北地区某炼化企业典型装置的工程数据集上开展建模验证,结果显示本文提出的模型在测试集上取得了RMSE=0.003044,R²=0.9586的优秀表现,显著优于传统SVM和未优化的XGBoost模型。 展开更多
关键词 腐蚀速率预测 极端梯度提升 灰狼优化算法 炼化装置 硫酸烷基化
暂未订购 下载PDF
基于SHAP-XGBoost模型的亚热带土壤铜元素高光谱反演及区域适应性研究 认领 引用
15
作者 欧阳江宁 李小梅 +3 位作者 许红红 沙晋明 范智鹏 张昊 《自然资源遥感》 CSCD 北大核心 2026年第2期125-134,共10页
高光谱遥感是土壤环境监测的新技术,其中特征光谱提取方法和反演模型是该技术的核心,且目前针对反演模型的区域适应性研究较少。该文采用光谱变换对高光谱数据进行预处理,通过Shapley加法解释(Shapley additive explanation,SHAP)方法... 高光谱遥感是土壤环境监测的新技术,其中特征光谱提取方法和反演模型是该技术的核心,且目前针对反演模型的区域适应性研究较少。该文采用光谱变换对高光谱数据进行预处理,通过Shapley加法解释(Shapley additive explanation,SHAP)方法进行土壤铜特征波段的筛选,极端梯度提升(extreme gradient boosting,XGBoost)、随机森林(random forest,RF)等模型对福建省福州市土壤采样点铜含量进行高光谱反演与对比分析,并应用SHAP-XGBoost模型在福建省莆田市荔城区进行了适用性验证。研究结果表明:①在建模区福州市,原始高光谱数据的微分变换能够显著增强光谱特征;基于SHAP方法筛选的土壤铜特征波段集中在400~500 nm和1900~2300 nm;利用SHAP-XGBoost模型反演土壤铜元素效果最佳,决定系数(R2)为0.73,均方根误差(root mean squared error,RMSE)为6.4,平均绝对误差(mean absolute error,MAE)为5.38,残差(residual prediction deviation,RPD)为1.92,相较于LightGBM,RF和偏最小二乘法(partial least squares regression,PLSR)模型各指标分别提升了4.3%,17.7%和49.0%;②在验证区莆田市荔城区,土壤铜元素反演精度为:R2为0.75、RMSE为5.01,RPD为2.01;③不确定性分析发现福州市与莆田市荔城区的平均变异系数均在10%以下,表明SHAP-XGBoost模型鲁棒性较强,具备良好的区域适应性。 展开更多
关键词 高光谱反演 土壤铜含量 SHAP XGBoost 区域适应性
暂未订购 下载PDF
基于CCTV和XGBoost的管道缺陷评估及预测 认领 引用
16
作者 潘铁津 解斌 +2 位作者 朱汉斌 黄俊 余亚莉 《净水技术》 CAS 2026年第4期181-188,195,共8页
【目的】排水管道系统作为城市的“静脉血管”,其健康状况直接关系到城市的安全运行与可持续发展。针对管网隐蔽性强、运行环境复杂导致检测困难的问题,本文旨在构建一套科学合理的管网健康评估模式,并利用机器学习技术预测未检测管道... 【目的】排水管道系统作为城市的“静脉血管”,其健康状况直接关系到城市的安全运行与可持续发展。针对管网隐蔽性强、运行环境复杂导致检测困难的问题,本文旨在构建一套科学合理的管网健康评估模式,并利用机器学习技术预测未检测管道的健康状况,为排水管道的智能化管理与安全运维提供理论依据和可靠工具。【方法】以南方某城市近5年的闭路电视(CCTV)检测数据为基础,选取管道结构性缺陷作为核心评价因子,并充分考量缺陷随时间演化的恶化趋势,综合评估管网健康程度。同时,引入极端梯度提升(XGBoost)机器学习算法,深入挖掘结构性缺陷与管道属性(如材质、管径、埋深等)之间的非线性关联,建立预测模型,对尚未开展CCTV检测的管道健康状态进行推演。【结果】本文成功构建了包含时间维度的管网健康综合评估体系,实现了对现有检测数据的量化评价。基于XGBoost模型的关联性分析揭示了影响管道健康的关键特征因子,本模型能够有效利用已知数据对未知管道的结构性缺陷风险进行高精度预测,显著扩展了评估覆盖范围。【结论】本文提出的健康评估模式与预测方法,不仅为排水管道的安全运行提供了科学的评估工具,还实现了从“被动检测”向“主动预测”的转变。本文成果为城市排水系统的精细化管理和基础设施的可持续发展提供了坚实的数据支撑与实际指导意义。 展开更多
关键词 闭路电视(CCTV) 管道缺陷 风险评估 极端梯度提升(XGBoost) 风险预测
暂未订购 下载PDF
基于LSTM-XGBoost的锂电池健康状态与剩余寿命联合评估方法 认领 引用
17
作者 邓小欣 高思航 +2 位作者 陈佳佳 雷雨晴 何维晟 《电力工程技术》 CSCD 北大核心 2026年第5期148-156,共9页
新能源汽车的飞速发展对储能锂电池的健康状态(state of health,SOH)监测和剩余寿命(remaining useful life,RUL)评估提出了更高的要求。为了进一步提高锂电池SOH与RUL预测的精度,文中提出基于长短期记忆(long short-term memory,LSTM)... 新能源汽车的飞速发展对储能锂电池的健康状态(state of health,SOH)监测和剩余寿命(remaining useful life,RUL)评估提出了更高的要求。为了进一步提高锂电池SOH与RUL预测的精度,文中提出基于长短期记忆(long short-term memory,LSTM)神经网络与极端梯度提升(extreme gradient boosting,XGBoost)的锂离子电池SOH与RUL联合评估方法。首先,利用容量增量分析(incremental capacity analysis,ICA)处理充电阶段数据并提取健康因子,基于ICA曲线峰值与电池SOH之间的关联性建立基于LSTM的锂离子电池SOH和RUL联合评估模型。然后,进一步利用XGBoost对LSTM进行优化,并结合误差倒数法提升模型预测精度与泛化能力。最后,利用美国国家航空航天局(National Aeronautics and Space Administration,NASA)数据集进行训练和验证,得到LSTMXGBoost组合预测算法比单一算法具有更好的预测准确性和稳定性,均方根误差均在0.02 A·h以下。实验结果表明,文中提出的LSTM-XGBoost预测模型在锂离子电池SOH与RUL联合评估中表现出较好的性能和应用潜力。 展开更多
关键词 锂离子电池 健康状态(SOH) 剩余寿命(RUL) 特征提取 长短期记忆(LSTM)神经网络 极端梯度提升(XGBoost)
暂未订购 下载PDF
基于OP-XGBoost模型的西北干旱区绿洲盐渍化时空分布研究 认领 引用
18
作者 张杰 赵军 张佘淑 《生态学报》 CAS CSCD 北大核心 2026年第10期5480-5494,共15页
土壤盐渍化是威胁全球干旱与半干旱地区可持续发展的重大生态环境问题。现有研究多聚焦于实验田与单一绿洲尺度,对西北干旱区全域绿洲缺乏系统性认识。为厘清该区域土壤盐渍化的时空格局与关键影响因素,以支持精准化区域生态修复与水土... 土壤盐渍化是威胁全球干旱与半干旱地区可持续发展的重大生态环境问题。现有研究多聚焦于实验田与单一绿洲尺度,对西北干旱区全域绿洲缺乏系统性认识。为厘清该区域土壤盐渍化的时空格局与关键影响因素,以支持精准化区域生态修复与水土资源管理。融合多源遥感数据、实测土壤盐分数据及环境协变量,采用贝叶斯超参数优化框架Optuna中的TPE(Tree-structured Parzen Estimator)算法优化XGBoost模型参数,构建适用2019—2023年生长季西北干旱区绿洲土壤盐分估算模型(RPD=1.41),系统刻画土壤盐分的时空分布特征,并基于最优参数的地理探测器模型识别关键影响因子及交互作用。结果表明:(1)2019—2023年,西北干旱区绿洲土壤盐渍化呈现“南高北低”的空间格局,轻度盐渍土占比最高(>59%),主要分布于北疆、伊犁及阿拉善-河西走廊绿洲;而南疆绿洲高度盐渍化土壤显著集中,其盐渍土面积占比高于伊犁绿洲65个百分点。(2)2019—2023年,西北干旱区绿洲盐渍土总面积减少2892.43 km2,空间格局基本稳定(变化约3%),仅伊犁绿洲微弱增加(+26.20 km2)。盐渍化呈“升-降-升”的波动变化,2022—2023年局部地区出现反弹现象。盐渍化程度总体趋于改善,表现为盐渍化等级由高向低转化,其中42.36%重度盐渍土转化为中度、53.63%极重盐渍化土转化为重度,降幅最为明显。(3)最优参数的地理探测器模型分析表明,地下水水位是影响盐渍化空间分异的主导因子(q=0.315),其次为潜在蒸散发(q=0.295)和降水(q=0.291)。因子间交互作用均呈增强效应,尤以地下水水位∩土地利用、地下水水位∩降水的交互解释力最强(q≥0.43)。 展开更多
关键词 土壤盐渍化 优化极限梯度提升(OP-XGBoost) 最优地理探测器 土壤遥感 绿洲 西北干旱区
暂未订购 下载PDF
基于WOA-XGBoost模型的FRP-混凝土界面黏结力预测 认领 引用
19
作者 戴庆斌 陶莉 薛新华 《混凝土与水泥制品》 2026年第5期75-82,共8页
在纤维增强聚合物(Fiber reinforced polymer,FRP)与混凝土黏结体系中,黏结力是决定FRP与混凝土加固性能的关键因素,故建立准确的黏结力预测模型具有非常重要的意义。鉴于此,为对FRP-混凝土界面的黏结力进行预测,本文提出了一种基于鲸... 在纤维增强聚合物(Fiber reinforced polymer,FRP)与混凝土黏结体系中,黏结力是决定FRP与混凝土加固性能的关键因素,故建立准确的黏结力预测模型具有非常重要的意义。鉴于此,为对FRP-混凝土界面的黏结力进行预测,本文提出了一种基于鲸鱼优化算法(Whale optimization algorithm,WOA)的极限梯度提升(Extreme gradient boosting,XGBoost)模型(即WOA-XGBoost模型),并与XGBoost模型及10种黏结力模型进行了对比。最后,基于SHAP(Shapley additive explanations)方法进行了特征重要性分析。结果表明:所提出的WOA-XGBoost模型预测结果较好,预测精度明显优于其他模型;FRP的胶结宽度对FRP-混凝土界面的黏结力影响最大。研究结果可为FRP-混凝土界面黏结力的预测提供参考。 展开更多
关键词 纤维增强聚合物(FRP) 黏结力 鲸鱼优化算法(WOA) 极限梯度提升(XGBoost)模型 预测
暂未订购 下载PDF
基于改进XGBoost模型的FRP-混凝土界面粘结强度预测 认领 引用
20
作者 戴庆斌 薛新华 《土木工程与管理学报》 2026年第2期88-97,共10页
FRP筋与混凝土的界面粘结强度是影响FRP筋混凝土结构性能的关键因素,准确预测FRP-混凝土界面粘结强度对结构加固效果、安全评估及耐久性设计至关重要。利用麻雀搜索算法(SSA)对极限梯度提升(XGBoost)模型进行优化,建立了SSA-XGBoost混... FRP筋与混凝土的界面粘结强度是影响FRP筋混凝土结构性能的关键因素,准确预测FRP-混凝土界面粘结强度对结构加固效果、安全评估及耐久性设计至关重要。利用麻雀搜索算法(SSA)对极限梯度提升(XGBoost)模型进行优化,建立了SSA-XGBoost混合模型来预测FRP-混凝土界面的粘结强度。为了验证SSA-XGBoost混合模型的预测性能,将其与单一XGBoost模型、数据处理组合算法(GMDH)模型以及5个粘结强度模型进行对比,并利用决定系数(R2)、均方根误差(RMSE)和平均绝对误差(MAE)对模型性能进行评价。结果表明:本文所建立的SSA-XGBoost模型在训练集上的R2、RMSE和MAE分别为0.990、1.277和0.892,在测试集上的R2、RMSE和MAE分别为0.946、2.574和1.856,其预测精度明显高于单一XGBoost模型、GMDH模型以及5个粘结强度模型,可以为预测FRP-混凝土界面的粘结强度提供理论参考。 展开更多
关键词 纤维增强聚合物 粘结强度 麻雀优化算法 极限梯度提升
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 … 17 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈