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2,696篇文章
< 1 2 … 135 >
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：
Predictive modeling for mechanical properties of cold-rolled strip steel based on random forest regression and whale optimization algorithm 认领 引用
1
作者 Hong-Lei Cai Yi-Ming Fang +3 位作者 Le Liu Li-Hui Ren Zhen-Dong Liu Xiao-Dong Zhao 《Journal of Iron and Steel Research International》 SCIE EI CSCD 2026年第3期73-87,共15页
In response to the challenges of inadequate predictive accuracy and limited generalization capability in data-driven modeling for the mechanical properties of the cold-rolled strip steel,a predictive modeling method n... In response to the challenges of inadequate predictive accuracy and limited generalization capability in data-driven modeling for the mechanical properties of the cold-rolled strip steel,a predictive modeling method named RFR-WOA is developed based on random forest regression(RFR)and whale optimization algorithm(WOA).Firstly,using Pearson and Spearman correlation analysis and Gini coefficient importance ranking on an actual production dataset containing 37,878 samples,22 key variables are selected as model inputs from 112 variables that affect mechanical properties.Subsequently,an RFR-based predictive model for the mechanical properties of cold-rolled strip steel is constructed.Then,with the combination of the coefficient of determination(R2)and root mean square error as the optimization objective,the hyperparameters of RFR model are iteratively optimized using WOA,and better predictive effectiveness is obtained.Finally,the mechanical properties prediction model based on RFR-WOA is compared with models established using deep neural networks,convolutional neural networks,and other methods.The test results on 9469 samples of actual production data show that the model developed present has better predictive accuracy and generalization capability. 展开更多
关键词 Cold-rolled strip steel Mechanical property Predictive modeling Random forest regression Whale optimization algorithm
暂未订购 下载PDF
Random forest algorithm reveals novel sites in HA protein that shift receptor binding preference of the H9N2 avian influenza virus 认领 引用 被引量：2
2
作者 Yuncong Yin Wen Li +7 位作者 Rujian Chen Xiao Wang Yiting Chen Xinyuan Cui Xingbang Lu David M.Irwin Xuejuan Shen Yongyi Shen 《Virologica Sinica》 SCIE CAS CSCD 2025年第1期109-117,共9页
A switch from avian-typeα-2,3 to human-typeα-2,6 receptors is an essential element for the initiation of a pandemic from an avian influenza virus.Some H9N2 viruses exhibit a preference for binding to human-typeα-2,... A switch from avian-typeα-2,3 to human-typeα-2,6 receptors is an essential element for the initiation of a pandemic from an avian influenza virus.Some H9N2 viruses exhibit a preference for binding to human-typeα-2,6 receptors.This identifies their potential threat to public health.However,our understanding of the molecular basis for the switch of receptor preference is still limited.In this study,we employed the random forest algorithm to identify the potentially key amino acid sites within hemagglutinin(HA),which are associated with the receptor binding ability of H9N2 avian influenza virus(AIV).Subsequently,these sites were further verified by receptor binding assays.A total of 12 substitutions in the HA protein(N158D,N158S,A160 N,A160D,A160T,T163I,T163V,V190T,V190A,D193 N,D193G,and N231D)were predicted to prefer binding toα-2,6 receptors.Except for the V190T substitution,the other substitutions were demonstrated to display an affinity for preferential binding toα-2,6 receptors by receptor binding assays.Especially,the A160T substitution caused a significant upregulation of immune-response genes and an increased mortality rate in mice.Our findings provide novel insights into understanding the genetic basis of receptor preference of the H9N2 AIV. 展开更多
关键词 H9N2 Hemagglutinin(HA) Receptor binding preference Random forest algorithm Host shift Interspecies transmission
暂未订购 下载PDF
基于RF-Transformer的测井曲线页岩岩相识别方法 认领 引用 被引量：1
3
作者 苏俊磊 董旭 +4 位作者 唐嘉伟 曾渝 石雪莹 李佩璇 杨仁杰 《测井技术》 CAS 2026年第1期153-162,共10页
岩相识别是油气储层精细刻画的关键环节,其准确性直接影响储层评价结果的可靠性。现有识别方法在测井数据高频噪声抑制方面存在不足,且难以准确捕捉地层纵向长程依赖关系。因此,本文提出了一种融合随机森林(Random Forest,RF)与Transfor... 岩相识别是油气储层精细刻画的关键环节,其准确性直接影响储层评价结果的可靠性。现有识别方法在测井数据高频噪声抑制方面存在不足,且难以准确捕捉地层纵向长程依赖关系。因此,本文提出了一种融合随机森林(Random Forest,RF)与Transformer的深度学习模型(RF-Transformer),以提高非均质储层页岩岩相识别的准确性与效率,为储层精细刻画提供技术支撑。该模型首先利用随机森林模型评估测井曲线(如自然伽马、声波时差、电阻率等)特征权重,用以筛选关键参数进而压制高频噪声,构建高质量特征输入向量。随后用Transformer模块,借助其自注意力机制的全局上下文感知能力,并行计算测井曲线的关联权重,从而深度挖掘并重构地层纵向长程依赖关系。以川南页岩气田3800个实测样本(含6类典型岩相、8条常规测井曲线)为数据集,开展模型性能对比与实例应用分析。结果表明:①RF-Transformer模型准确率达91.51%,较Transformer、长短期记忆网络(Long Short-Term Memory,LSTM)和卷积神经网络(Convolutional Neural Network,CNN)模型分别提升了12.90%、23.60%和47.54%,优于K近邻(81.09%)、决策树(77.28%)等传统机器学习模型;②该模型仅需约25次迭代即可进入收敛态,收敛速度较现有模型提升8~10倍;③成功筛选出自然伽马、声波时差、浅侧向电阻率等6条关键测井曲线,有效剔除深侧向电阻率等冗余特征与非地质噪声;④实例应用中,预测页岩岩相剖面纵向连续性与平滑度高,与真实地质分层特征高度吻合,精准刻画页岩岩相过渡带边界。结论认为,该模型在兼顾高抗噪性与强时序捕捉能力的同时,实现页岩岩相的高效精准识别,为非均质储层精细描述提供了可靠技术支撑,后续需围绕测井解释软件适配性展开优化。 展开更多
关键词 测井曲线 岩相识别 随机森林(Random Forest,RF) 深度学习 Transformer 页岩储层 长程依赖 噪声抑制
暂未订购 下载PDF
Combining Random Forest and Monte Carlo Method to Determine the Driving Factors and Uncertainty of Forest Age Prediction in Northwest China 认领 引用 被引量：1
4
作者 ZENG Jia LIU Jincheng +1 位作者 LI Limin KHAN Tauheed Ullah 《Chinese Geographical Science》 SCIE CAS CSCD 2026年第1期144-156,I0004-I0007,共13页
Stand age plays a crucial role in forest biomass estimation and carbon cycle modeling.Assessing the uncertainty of stand age prediction models and identifying the key driving factors in the modeling process have becom... Stand age plays a crucial role in forest biomass estimation and carbon cycle modeling.Assessing the uncertainty of stand age prediction models and identifying the key driving factors in the modeling process have become major challenges in forestry research.In this study,we selected the Shaanxi-Gansu-Ningxia region of Northeast China as the research area and utilized multi-source datasets from the summer of 2019 to extract information on spectral,textural,climatic,water balance,and stand characteristics.By integrating the Random Forest(RF)model with Monte Carlo(MC)simulation,we constructed six regression models based on different combina-tions of features and evaluated the uncertainty of each model.Furthermore,we investigated the driving factors influencing stand age modeling by analyzing the effects of different types of features on age inversion.Model performance and accuracy were assessed using the root mean square error(RMSE),mean absolute error(MAE),and the coefficient of determination(R2),while the relative root mean square error(rRMSE)was employed to quantify model uncertainty.The results indicate that the scenarios with more obvious improve-ment in accuracy and effective reduction in uncertainty were Scenario 3 with the inclusion of climate and water balance information(RMSE=25.54 yr,MAE=18.03 yr,R2=0.51,rRMSE=19.17%)and Scenario 5 with the inclusion of stand characterization informa-tion(RMSE=18.47 yr,MAE=13.05 yr,R2=0.74,rRMSE=16.99%).Scenario 6,incorporating all feature types,achieved the highest accuracy(RMSE=17.60 yr,MAE=12.06 yr,R2=0.77,rRMSE=14.19%).In this study,elevation,minimum temperature,and diameter at breast height(DBH)emerged as the key drivers of stand-age modeling.The proposed method can be used to identify drivers and to quantify uncertainty in stand-age estimation,providing a useful reference for improving model accuracy and uncertainty assessment. 展开更多
关键词 stand age Randon Forest(RF)model Monte Carlo(MC)method Sentinel-2 National Forest Inventory(NFI) Shaanxi-Gansu-Ningxia(SGN),Northwest China
暂未订购 下载PDF
Adaptive adjustment strategy for earth pressure balance(EPB)operation parameters for pre-control of shield tunneling-induced surface settlement:a case study 认领 引用
5
作者 Dongsheng WEI Haibin WEI +3 位作者 Zipeng MA Heting WEI Lijie SUN Xiaokun YU 《Journal of Zhejiang University-SCIENCE A》 SCIE EI CAS CSCD 2026年第7期676-695,I0010-I0023,共20页
During shield tunneling,ground deformation poses significant safety risks.The full optimization strategy ignores interactions between parameters,resulting in suboptimal performance in the pre-control of settlement in ... During shield tunneling,ground deformation poses significant safety risks.The full optimization strategy ignores interactions between parameters,resulting in suboptimal performance in the pre-control of settlement in earth pressure balance shields.To address this problem,this paper proposes an integrated strategy that combines optimization and inversion,minimizing parameter interaction interference through adaptive adjustment of shield operation parameters.This mechanism performs an optimization search on the key operation parameters for settlement control,while the remaining operation parameters are predicted through inversion.Taking the Changchun Metro Line 6 project as an example,a bidirectional long short-term memory(Bi-LSTM)model enhanced by a multi-head self-attention(MHSA)mechanism is used to predict shield tunneling-induced settlement with spatiotemporal sequence dependency relationships.Particle swarm optimization and a random forest algorithm are used for optimization and inversion operations in the integrated mechanism,respectively.Subsequent ring position tests showed that the integrated mechanism-based adaptive adjustment strategy limited the average fluctuation of uncontrollable parameters to±13.95%compared to±34.27%for the full optimization strategy.The actual average settlement was only 3.81 mm compared to 4.72 mm for the full optimization strategy through collaborative parameter adjustment.The application validated the feasibility and applicability of the integrated mechanism,providing important references for the adaptive adjustment of shield parameters and tunnel construction automation. 展开更多
关键词 Pre-control of settlement Optimization and inversion Multi-head self-attention(MHSA) Long short-term memory(LSTM) Random forest(RF)algorithm
暂未订购 下载PDF
基于ISSA-RF算法的光伏阵列故障诊断研究 认领 引用
6
作者 许桂敏 宋雨航 +2 位作者 相里梦桥 杨亚龙 段晨东 《太阳能学报》 EI CAS CSCD 北大核心 2026年第2期111-121,共11页
提出一种基于改进麻雀搜索(ISSA)优化随机森林(RF)的算法,用以提高光伏阵列故障诊断的准确率。首先,通过搭建光伏阵列模拟5种工况,提取故障向量,构造光伏阵列故障数据集。其次,通过测试函数对灰狼搜索算法(GWO)、粒子群算法(PSO)、ISSA... 提出一种基于改进麻雀搜索(ISSA)优化随机森林(RF)的算法,用以提高光伏阵列故障诊断的准确率。首先,通过搭建光伏阵列模拟5种工况,提取故障向量,构造光伏阵列故障数据集。其次,通过测试函数对灰狼搜索算法(GWO)、粒子群算法(PSO)、ISSA和麻雀搜索算法(SSA)进行寻优对比,发现ISSA在平均值和标准差方面均优于其他算法,显示出更好的鲁棒性。然后,利用光伏阵列故障仿真数据集对ISSA-RF诊断模型进行性能分析,得到ISSA-RF方法整体准确率达到97.06%,比传统RF模型提高6.94个百分点。最后,结合实验室光伏阵列开路、短路、遮荫、老化和正常5种工况数据集对ISSA-RF诊断模型进行验证,证明所提基于ISSA-RF的光伏阵列故障诊断方法具有较高的分类效率和精度,其性能表现优于其他诊断模型。 展开更多
关键词 光伏阵列 故障诊断 改进麻雀搜索算法 随机森林算法
暂未订购 下载PDF
基于多行为融合ALA的VLC-RF网络协同资源分配方案设计与效果分析 认领 引用
7
作者 孙洪亮 许德军 +1 位作者 王超 钱磊 《科学技术与工程》 EI 北大核心 2026年第14期6037-6044,共8页
可见光通信(visible light communication,VLC)与射频(radio frequency,RF)通信融合形成的异构网络,能充分发挥二者的互补优势。在异构网络中,协调不同网络的接入过程,设计高效的资源分配方案,是提升系统性能的核心问题。面向VLC-RF系... 可见光通信(visible light communication,VLC)与射频(radio frequency,RF)通信融合形成的异构网络,能充分发挥二者的互补优势。在异构网络中,协调不同网络的接入过程,设计高效的资源分配方案,是提升系统性能的核心问题。面向VLC-RF系统设计资源分配算法,旨在满足终端设备的通信连接需求、高效保障不同终端的服务质量(quality of service,QoS)。首先,针对VLC信道传输易中断问题,建立VLC-RF协同服务机制,并基于有效容量理论评估系统服务能力。采用马尔可夫调制On-Off(Markov modulated on-off,MMOO)过程对业务流量进行建模,并利用有效带宽理论分析差异化业务到达的带宽需求。然后,以最小化RF服务速率为优化目标,构建包含用户QoS需求、分配因子和发送概率约束的资源分配优化问题。引入反向学习策略和自适应变异机制对人工旅鼠算法(artificial lemming algorithm,ALA)进行改进,并基于改进后的ALA(improved artificial lemming algorithm,IALA)求解优化问题,设计资源分配算法,确定最佳分配方案。最后,利用MATLAB仿真平台对所提算法进行验证分析。结果表明,本文所提出的算法能够在保障终端QoS需求的前提下,实现资源的高效利用。 展开更多
关键词 VLC-RF网络 资源分配算法 QoS需求 IALA
暂未订购 下载PDF
基于PSO-RF算法的深锥浓密机耙架扭矩预测 认领 引用
8
作者 王奕仁 吴爱祥 +3 位作者 阮竹恩 王建栋 杜双成 刘树龙 《中国有色金属学报》 EI CAS CSCD 北大核心 2026年第3期1164-1177,共14页
耙架扭矩是深锥浓密机运行状态的关键评估指标,实现其精准预测将确保设备的安全稳定运行。以某铅锌矿深锥浓密机历史运行数据为样本,通过Spearman和Pearson相关系数矩阵分析控制变量间的线性关联性;基于Kennard-Stone算法对归一化后的... 耙架扭矩是深锥浓密机运行状态的关键评估指标,实现其精准预测将确保设备的安全稳定运行。以某铅锌矿深锥浓密机历史运行数据为样本,通过Spearman和Pearson相关系数矩阵分析控制变量间的线性关联性;基于Kennard-Stone算法对归一化后的数据迭代随机采样,以此构建了5种机器学习算法模型,对比后优选出随机森林(RF),当随机取样量n=20000时,其平均绝对误差EMAE仅0.0102、决定系数R2达0.9801;采用粒子群算法(PSO)优化RF超参数,并在其5折交叉验证过程中重复迭代采样30次训练集,优化后模型的预测精度与泛化能力得到增强,EMAE均值降低至0.0085,R2均值提升至0.9853。PSO-RF算法模型的特征重要性得分显示:底流质量浓度(45.9%)、循环管路质量浓度(25.4%)和泥层高度(11%)是影响耙架扭矩的核心变量。 展开更多
关键词 深锥浓密机 耙架扭矩 粒子群优化算法 随机森林
暂未订购 下载PDF
基于TSNE-NGO-RF算法的混凝土坝变形预测模型 认领 引用
9
作者 郑东健 赵宇 +2 位作者 冉成 林英浩 陈林泽 《郑州大学学报（工学版）》 CAS 北大核心 2026年第2期122-127,135,共6页
对混凝土坝变形监测资料进行合理的数据分析和准确的预测是确保大坝安全长效运行的关键手段,针对影响大坝变形的环境量具有周期性和非线性的特点,以及传统随机森林模型参数寻优方法适用性差和计算效率低等问题,提出了一种新型的大坝变... 对混凝土坝变形监测资料进行合理的数据分析和准确的预测是确保大坝安全长效运行的关键手段,针对影响大坝变形的环境量具有周期性和非线性的特点,以及传统随机森林模型参数寻优方法适用性差和计算效率低等问题,提出了一种新型的大坝变形预测模型。该模型采用t-分布式随机邻域嵌入对特征值进行降维,提高模型的分类性能,并运用北方苍鹰优化算法对传统随机森林模型进行了改进,提高了随机森林模型参数的择优选取效率。运用北方苍鹰优化算法在第80次迭代时即可确定随机森林模型的参数,且适应度函数为0.2493,相较麻雀搜索算法和粒子群优化算法取得了较好的结果。选取某混凝土坝第18#坝段和第26#坝段进行实例分析,结果表明:所提融合模型预测结果的平均绝对误差分别为0.50193和0.17302 mm,均方误差分别为0.35971和0.04387 mm2,平均绝对百分比误差分别为0.81959%,0.11362%,决定系数分别为0.91456和0.89274,相较于其他模型,该模型在预测准确性和模型稳定性方面表现最优,为混凝土坝变形的精准预测开辟了新的可能性。 展开更多
关键词 混凝土坝 变形预测 降维 北方苍鹰优化算法 随机森林算法
暂未订购 下载PDF
融合ANP-GWO与RF-TF-IDF的煤矿安全绩效动态评价及预测研究 认领 引用
10
作者 刘业娇 李金亮 +4 位作者 闫文杰 姜丰懿 王汇鑫 曹东强 田志超 《矿业安全与环保》 CAS 北大核心 2026年第3期106-117,共12页
针对煤矿安全绩效评价存在的滞后性、指标静态失配等问题,基于人工智能算法搭建了自下而上的煤矿安全绩效动态评估框架。为适配短周期快速评价,在评价指标构建阶段提出前验指标与后验指标交叉融合方法:(1)在建立井工煤矿安全绩效评价指... 针对煤矿安全绩效评价存在的滞后性、指标静态失配等问题,基于人工智能算法搭建了自下而上的煤矿安全绩效动态评估框架。为适配短周期快速评价,在评价指标构建阶段提出前验指标与后验指标交叉融合方法:(1)在建立井工煤矿安全绩效评价指标体系并构建其层次分析网络基础上,引入灰狼优化算法(GWO)融合历史前验指标对安全绩效指标权重进行动态优化;(2)联合采用随机森林(RF)与词频-逆文档频率(TF-IDF)方法挖掘煤矿历史安全绩效相关数据中的隐性风险特征,建立的RF-TF-IDF模型平均曲线下面积值达到0.98;(3)基于长短期记忆网络(LSTM)算法实现短周期安全绩效状态的实时感知与趋势预判。实验结果表明,新模型在测试集上的准确率为82.5%,LSTM预测模型的均方根误差为0.16,能够有效辅助绩效评价与决策。研究成果可进一步提高煤矿安全绩效考核体系的响应速度与预测精度,为煤矿安全绩效的动态评估、及时预警与决策支持提供一种新的智能化工具体系。 展开更多
关键词 煤矿安全绩效 动态评价 网络层次分析法 随机森林 长短期记忆网络 自下而上评价
暂未订购 下载PDF
基于RF-xLSTM模型的结构健康监测数据恢复研究 认领 引用
11
作者 杜永峰 王翠云 +1 位作者 朱前坤 郝佳欣 《振动与冲击》 EI CSCD 北大核心 2026年第14期233-244,共12页
针对结构健康监测系统因电源、网络和传感器等原因引起的复杂数据缺失难题,提出一种融合随机森林(random forest,RF)与扩展长短期记忆网络(extended long short-term memory,xLSTM)的双阶段数据恢复模型RF-xLSTM。模型构建了递进式误差... 针对结构健康监测系统因电源、网络和传感器等原因引起的复杂数据缺失难题,提出一种融合随机森林(random forest,RF)与扩展长短期记忆网络(extended long short-term memory,xLSTM)的双阶段数据恢复模型RF-xLSTM。模型构建了递进式误差修正机制:第一阶段利用RF的特征学习能力对缺失值进行初步填充;第二阶段利用xLSTM的深度时序建模优势,捕获数据的非线性时间依赖性并动态修正RF阶段的潜在误差。基于桥梁健康监测系统实测加速度数据,以归一化均方根误差(normalized root mean square error,NRMSE)和平均绝对误差(mean absolute error,MAE)为评估指标,验证了模型在不同数据缺失率(missing rate,MR)下的性能。结果表明,当MR≥30%时,RF-xLSTM恢复精度显著提升,与xLSTM模型相比,NRMSE值可降低2.50%,MAE减少0.006 m/s2;较卷积神经网络模型,NRMSE值降低2.19%,MAE减少0.001 m/s2;较GRU模型,NRMSE值降低3.64%,MAE减少0.004 m/s2;较RF模型,NRMSE值降低2.67%,MAE减少0.002 m/s2。进一步融合邻近传感器的时空相关性,模型在MR≥50%高缺失率下的恢复效果获得实质性提升。算法成功应用于寒冷地区超长隔震结构隔震支座位移数据的缺失恢复,验证了其在复杂结构监测场景下的普适性和有效性。 展开更多
关键词 缺失值恢复 随机森林-扩展长短期记忆网络(RF-xLSTM) 数据缺失率 结构健康监测(SHM)
暂未订购 下载PDF
基于KPCA-PSO-RF矿井突水水源判别模型 认领 引用
12
作者 刘伟韬 卢润时 杜衍辉 《煤炭科学技术》 EI CAS CSCD 北大核心 2026年第5期378-392,共15页
在复杂地质条件下仅依赖传统水化学特征相似性判别方法难以精准判定矿井水水样来源,因此将机器学习算法与寻优算法相结合,提出了一种基于KPCA-PSO-RF矿井突水水源判别模型。首先在分析主要含水层地下水水化学特征的基础上选取11种水化... 在复杂地质条件下仅依赖传统水化学特征相似性判别方法难以精准判定矿井水水样来源,因此将机器学习算法与寻优算法相结合,提出了一种基于KPCA-PSO-RF矿井突水水源判别模型。首先在分析主要含水层地下水水化学特征的基础上选取11种水化学指标(K++Na+、Ca2+、Mg2+、Cl-、SO42-、HCO3-、CO32-、TDS、TH、TA、pH)作为水源判别特征参数,利用核主成分分析(KPCA)提取3种主要指标作为模型判别的因子,然后通过粒子群优化算法(PSO)对随机森林算法(RF)超参数开展迭代寻优工作,最后将96组地下水样本数据按7∶3划分为训练样本与测试样本进行训练,建立KPCA-PSO-RF模型,并将判别结果与RF、PSO-RF和KPCA-GridSearchCV-RF模型进行对比。结果表明:经5折交叉验证,运用Min-Max标准化方法与KPCA算法降维处理水化学数据并提取前3种主成分,可以有效消除样本间的冗余与重叠,并弥补传统PCA算法无法处理复杂非线性样本的局限性;运用PSO迭代寻优RF超参数,经65次迭代确定最优组合(n_estimators=54、max_depth=11、min_samples_split=7),可以增强模型分类准确性,消除参数设置盲目性;与相关判别模型比较,KPCA-PSO-RF模型在准确率(96.55%)、精确率(97.32%)、召回率(98.21%)、F1分数(0.9659)等方面均优于对比模型,其泛化性更佳,准确性更高。将阳城煤矿10组矿井水水样数据输入到训练好的模型中,判别结果与现场突水实测结果一致,准确判断1308工作面突水水源为奥灰含水层,3305工作面涌水水源为三灰含水层,实现了精准区分。 展开更多
关键词 水源判别 水化学特征 核主成分分析 粒子群优化算法 随机森林算法
暂未订购 下载PDF
基于WOA-RF模型的航空镍镉电池SOC预测 认领 引用
13
作者 雷晓犇 胡新华 王浩 《电子测量与仪器学报》 EI CSCD 北大核心 2026年第1期61-69,共9页
航空镍镉电池的荷电状态(SOC)预测是保障航空器安全运行的关键技术之一,针对传统预测模型精度不足、环境适应性差的问题,提出一种融合鲸鱼优化算法(WOA)与随机森林(RF)的WOA-RF混合预测模型。首先,基于随机森林回归算法构建初始预测模型... 航空镍镉电池的荷电状态(SOC)预测是保障航空器安全运行的关键技术之一,针对传统预测模型精度不足、环境适应性差的问题,提出一种融合鲸鱼优化算法(WOA)与随机森林(RF)的WOA-RF混合预测模型。首先,基于随机森林回归算法构建初始预测模型,利用其多决策树集成优势处理非线性特征;其次,引入鲸鱼优化算法对随机森林的核心超参数(进行全局寻优,解决人工调参效率低下的问题)从而提升模型预测精度与泛化能力。为验证模型性能,在不同温度(20℃、0℃、-10℃、-20℃)环境下分别进行放电循环实验,对比分析WOA-RF与传统RF、反向传播神经网络(BPNN)、支持向量回归(SVR)以及粒子群优化RF(PSO-RF)、遗传算法优化RF(GA-RF)等模型的预测效果。实验结果表明,在标准温度下,WOA-RF模型的平均绝对误差(MAE)为1.22%、决定系数(R2)达到0.986、均方根误差(RMSE)为1.56%,优于对比模型;在低温环境下,WOA-RF的MAE仍保持在1.5%以内,RMSE为1.8%以内,R2高于0.975,表现出更强的环境鲁棒性。结果表明,WOA-RF模型有效提高了SOC预测的准确性和稳定性,尤其适用于航空极端工况下的镍镉电池状态监测,为电池管理系统提供了可靠的技术支持。 展开更多
关键词 航空镍镉电池 SOC预测 鲸鱼优化算法 随机森林
暂未订购 下载PDF
基于模态分析和PCA-WOA-RF的磨煤机下架体壳振预测 认领 引用
14
作者 赵小惠 刘磊 +3 位作者 蒲军平 成小乐 高畅 胡胜 《山东大学学报（工学版）》 CAS CSCD 北大核心 2026年第1期149-157,168,共9页
为探究磨煤机下架体壳振与其他运行参数之间的复杂非线性映射关系,并提高磨煤机下架体壳振预测的准确性,提出一种基于PCA-WOA-RF模型的磨煤机下架体壳振预测方法。对磨煤机下架体进行模态分析,验证下架体壳振标准值,使用Spearman相关系... 为探究磨煤机下架体壳振与其他运行参数之间的复杂非线性映射关系,并提高磨煤机下架体壳振预测的准确性,提出一种基于PCA-WOA-RF模型的磨煤机下架体壳振预测方法。对磨煤机下架体进行模态分析,验证下架体壳振标准值,使用Spearman相关系数法和主成分分析法(principal component analysis,PCA)对磨煤机工作数据进行相关性分析并提取主成分;以随机森林(random forest,RF)为预测模型结构基础,使用鲸鱼优化算法(whale optimization algorithm,WOA)对模型的超参数进行优化;以国能长源武汉青山热电有限公司磨煤机工作数据进行实例验证,并与PCA-BP、PCA-SVM和PCA-RF模型进行精度对比。结果表明:一次风流量、拉杆应变、磨煤机电机轴振动、中架体壳振、煤量和一次风出入口差压与磨煤机下架体壳振有显著相关性,经过主成分分析法提取的2个主成分方差贡献率达94.569%,所提出的PCA-WOA-RF模型平均预测误差最小,预测精度达到97.80%。该模型进一步提升了磨煤机下架体壳振预测精度。 展开更多
关键词 磨煤机 下架体壳振 主成分分析 随机森林 鲸鱼优化算法
暂未订购 下载PDF
基于AHC-PSO-RF代理模型的大型集装箱船参数横摇运动快速预报 认领 引用
15
作者 孙强 谭杰 周耀华 《中国舰船研究》 CSCD 北大核心 2026年第1期104-113,共10页
[目的]针对传统基于水动力学的数值模拟方法计算船舶参数横摇存在计算成本高、操作要求高且无法覆盖所有装载工况等问题,提出一种融合特征物理化重构、凝聚层次聚类(AHC)与改进随机森林(RF)的集成机器学习替代模型,用于高效预测船舶参... [目的]针对传统基于水动力学的数值模拟方法计算船舶参数横摇存在计算成本高、操作要求高且无法覆盖所有装载工况等问题,提出一种融合特征物理化重构、凝聚层次聚类(AHC)与改进随机森林(RF)的集成机器学习替代模型,用于高效预测船舶参数横摇幅值。[方法]利用AHC压缩特征维度,降低模型复杂度和计算开销;采用粒子群算法(PSO)对RF超参数进行全局寻优。[结果]基于某大型集装箱船多工况水动力数值模拟结果数据的验证结果表明:与广义回归神经网络(GRNN)及未优化RF模型相比,在迎浪和艉随浪工况下,该模型(AHC–PSO–RF)在横摇有义值预测中的决定系数(R2)平均提升5.84%与0.27%,均方根误差(RMSE)平均降低59.28%与10.69%,预测精度较高。此外,模型在单个装载工况的平均计算耗时相比于水动力数值模拟方法减少84.5%。[结论]该模型在批量预测任务中具备显著效率优势,证明了其作为高效替代方案的工程实用价值。 展开更多
关键词 船舶稳性 参数横摇 代理模型 凝聚层次聚类−粒子群优化−随机森林模型 集装箱船 动稳性预报
暂未订购 下载PDF
基于RF特征优选的SSA-SVM的铁路桥涵洪灾风险评价方法研究 认领 引用
16
作者 靳春玲 郭芮 +2 位作者 贡力 陆浩伟 袁鹏飞 《安全与环境学报》 CAS CSCD 北大核心 2026年第6期2432-2440,共9页
随着我国西部铁路线路的建设,运营铁路线路的洪灾风险问题也不断突出,急需减小洪灾风险且提高防洪减灾效率。针对河西走廊漫流区铁路桥涵洪灾,研究基于麻雀搜索算法(Sparrow Search Algorithm,SSA)优化支持向量机模型(Support Vector Ma... 随着我国西部铁路线路的建设,运营铁路线路的洪灾风险问题也不断突出,急需减小洪灾风险且提高防洪减灾效率。针对河西走廊漫流区铁路桥涵洪灾,研究基于麻雀搜索算法(Sparrow Search Algorithm,SSA)优化支持向量机模型(Support Vector Machine,SVM)以开展洪灾风险评价。首先,针对致灾因子、孕灾环境、承灾体(桥涵),搜集11个山洪影响因素;其次,采用随机森林(Random Forest,RF)算法进行重要度排序,并选出7个主要的影响因素作为模型特征值;再次,运用SSA算法优化SVM模型参数,建立基于麻雀搜索算法优化的支持向量机风险评价模型;最后,选取准确度、精确度、召回率和F1-score共4个指标,将SSA-SVM模型与传统SVM模型、粒子群优化算法(Particle Swarm Optimization,PSO)优化SVM模型、鲸鱼优化算法(Whale Optimization Algorithm,WOA)优化SVM模型进行对比分析。研究结果显示:构建的SSA-SVM洪灾风险评价模型验证集的精确度、F1-score分别为96.67%、96.91%,而且明显优于SVM、PSO-SVM、WOA-SVM模型,不仅能够实现铁路桥涵洪灾风险综合评价效能,还能为类似山洪风险评价提供决策支持。 展开更多
关键词 安全工程 铁路桥涵 山洪灾害 风险评价 随机森林 麻雀搜索算法优化支持向量机模型
暂未订购 下载PDF
基于IBWO-CNN-RF的煤自燃温度预测模型 认领 引用
17
作者 张逸龙 刘震阳 +4 位作者 杨志斌 丁新溥 徐洋 刘静怡 白刚 《安全与环境学报》 CAS CSCD 北大核心 2026年第8期3055-3065,共11页
为提高煤自燃温度预测的准确性,构建了一种改进白鲸优化(Improved Beluga Whale Optimization,IBWO)-卷积神经网络(Convolutional Neural Network,CNN)-随机森林(Random Forest,RF)预测模型(IBWO-CNN-RF)。通过在典型测试函数上与四种... 为提高煤自燃温度预测的准确性,构建了一种改进白鲸优化(Improved Beluga Whale Optimization,IBWO)-卷积神经网络(Convolutional Neural Network,CNN)-随机森林(Random Forest,RF)预测模型(IBWO-CNN-RF)。通过在典型测试函数上与四种算法进行对比,验证了IBWO算法在全局寻优能力、收敛速度及稳定性方面的优势。随后,将IBWO应用于CNN-RF模型的参数优化,并与五种模型进行性能比较。最后,将所建模型用于赤峪煤矿2#煤层的程序升温有效试验数据展开预测。结果表明:IBWO算法在单模态与多模态函数上均表现出更快迭代速度和更低收敛值;IBWO-CNN-RF模型具有较高的预测精度,训练集与测试集的R2均较大,预测误差较小。研究表明,该模型表现出良好的稳定性和泛化能力,可为煤自燃灾害的智能化预测与早期预警识别提供有效技术支撑。 展开更多
关键词 安全工程 白鲸优化算法 卷积神经网络 随机森林 煤自燃 温度预测
暂未订购 下载PDF
基于RF-FPGrowth的高校中层干部数字素养特征分析与策略构建 认领 引用
18
作者 王思行 张波 《武汉理工大学学报（信息与管理工程版）》 CAS 2026年第3期308-315,共8页
为回应数字时代高校教育管理模式转型需求,破解中层干部数字素养与高校数字化转型适配不足的现实难题,以中部地区某数字化转型“双一流”高校中层干部为调研对象,整合问卷调查数据,运用RF-FPGrowth算法对干部数字素养五大维度开展特征... 为回应数字时代高校教育管理模式转型需求,破解中层干部数字素养与高校数字化转型适配不足的现实难题,以中部地区某数字化转型“双一流”高校中层干部为调研对象,整合问卷调查数据,运用RF-FPGrowth算法对干部数字素养五大维度开展特征提取与关联规则分析。结果显示,高校干部仍处于认知强化阶段,数字化意识的穿透力有待进一步提升。依据RF-FPGrowth算法在特征精准挖掘中的显著有效性,提出抓住“技能-应用”外显主线、强化“意识-责任”内因自驱、“意识-技能-责任-专业”四维协同的干部数字素养提升策略,助力高校数字化转型提质增效。 展开更多
关键词 数字素养 特征提取 关联分析 中层干部 RF-FPGrowth算法
暂未订购 下载PDF
基于BiTCN和QRF的DMA用水量区间预测 认领 引用
19
作者 黄海东 刘世通 吴美琼 《中国给水排水》 CAS CSCD 北大核心 2026年第5期55-62,共8页
独立计量区(DMA)用水量区间预测有助于供水管网管理者做出合理的漏损诊断。然而,如何保证较高预测区间覆盖率的同时具有较窄的平均宽度,是用水量区间预测需要解决的一个技术难点。为此,提出了一种融合双向时间卷积网络(BiTCN)和分位数... 独立计量区(DMA)用水量区间预测有助于供水管网管理者做出合理的漏损诊断。然而,如何保证较高预测区间覆盖率的同时具有较窄的平均宽度,是用水量区间预测需要解决的一个技术难点。为此,提出了一种融合双向时间卷积网络(BiTCN)和分位数回归森林(QRF)的区间预测模型。首先,基于用水量数据的特点,通过数据重构生成合适的样本集;然后,利用BiTCN模型提取用水量数据深层次的时序特征;接着,将所提取的特征输入QRF模型,初步构建BiTCN-QRF模型;最后,利用开普勒优化算法(KOA)优化BiTCN-QRF模型,并将优化后的模型用于区间预测。以广西都安县某DMA为例,对所提模型的有效性进行验证。结果表明,在95%、90%、85%、80%和70%置信水平下,所提模型均能实现高质量的区间预测,并且整体性能优于其他参与对比的模型。因此,该模型可作为基于流量的DMA实时漏损诊断的有效辅助工具。 展开更多
关键词 用水量区间预测 双向时间卷积网络 分位数回归森林 开普勒优化算法 独立计量区
暂未订购 下载PDF
基于MIC-RF随机森林的热轧带钢力学性能预测 认领 引用
20
作者 王力 朱启宁 +1 位作者 杨洪凯 张磊 《机械制造与自动化》 2026年第4期19-23,38,共5页
为满足日益增长的热轧带钢力学性能预测精度要求,基于最大互信息系数和随机森林方法,以屈服强度和抗拉强度为研究对象,构建热轧带钢力学性能预测模型。利用Pauta法则对实际热轧数据进行预处理,去除数据中的异常值。采用最大互信息系数... 为满足日益增长的热轧带钢力学性能预测精度要求,基于最大互信息系数和随机森林方法,以屈服强度和抗拉强度为研究对象,构建热轧带钢力学性能预测模型。利用Pauta法则对实际热轧数据进行预处理,去除数据中的异常值。采用最大互信息系数方法筛选重要影响特征作为模型的输入变量。利用随机森林算法训练模型,并与未进行特征选择的随机森林模型进行对比。结果表明,基于MIC-RF模型的屈服强度和抗拉强度预测误差均小于1%,决定系数均在0.99以上,且预测精度优于未进行特征选择的随机森林模型。所提出的模型具有更高的预测准确率和较强泛化能力,可为带钢产品的设计和优化提供直观可靠的参考。 展开更多
关键词 MIC最大互信息系数 RF随机森林 热轧带钢 力学性能预测
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 … 135 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈