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28,154篇文章
< 1 2 … 250 >
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Stacking回归模型的超导材料临界温度预测方法研究
1
作者 何素贞 杨冬平 《延边大学学报(自然科学版)》 2025年第1期32-36,共5页
为了更好地预测超导材料临界温度,提出了一种基于Stacking回归模型的超导材料临界温度预测方法.该方法利用化学元素周期表的序数和原子数百分比构建特征向量,然后通过结合Extra Trees、Ridge Regression和XGBoost 3种算法的Stacking回... 为了更好地预测超导材料临界温度,提出了一种基于Stacking回归模型的超导材料临界温度预测方法.该方法利用化学元素周期表的序数和原子数百分比构建特征向量,然后通过结合Extra Trees、Ridge Regression和XGBoost 3种算法的Stacking回归模型对临界温度进行预测.研究结果表明:该方法可较好地预测超导材料临界温度(决定系数R^(2)为0.93),且优于KamH提出的方法.与采用复杂特征工程结合机器学习的方法相比,该方法在简便性和有效性方面也具有一定优势。研究结果为超导材料临界温度的智能预测提供了新思路. 展开更多
关键词 stacking模型 超导材料 临界温度 机器学习 评价指标
在线阅读 下载PDF
基于气象因素的Stacking回归模型的短期负荷预测方法
2
作者 王洋 李江 +2 位作者 张婧 格日乐图 刘秀丽 《电工技术》 2024年第17期67-70,共4页
为了有效提高短期负荷预测精度,针对负荷数据时序性和非线性的特点,提出了一种基于气象因素的Stacking回归模型的短期负荷预测方法。以某地区的历史日最大负荷数据、气象数据作为实验训练样本,对多种模型采用多种可行思路进行日滚动预... 为了有效提高短期负荷预测精度,针对负荷数据时序性和非线性的特点,提出了一种基于气象因素的Stacking回归模型的短期负荷预测方法。以某地区的历史日最大负荷数据、气象数据作为实验训练样本,对多种模型采用多种可行思路进行日滚动预测。经过对比分析,选择基于气象因素的Stacking回归模型作为主要预测算法,并结合相似日调整作为主要协调算法。实验结果表明,所提出的预测方法相比ARIMA模型方法、多元回归模型方法和自回归模型方法具有更高、更稳定的预测精度。 展开更多
关键词 短期负荷预测 stacking回归模型 气象因素 协调算法
在线阅读 下载PDF
基于实况资料的Stacking回归模型下游气温预报方法
3
作者 邓世有 潘影 《山地气象学报》 2024年第5期34-40,共7页
【目的】目前大多数气温预报模型是基于数值预报建立的。这种模型存在一个主要问题,即预测精度完全受数值预报精度的影响,导致预报员过度依赖该模型,缺乏对天气实况资料的认知。【方法】该文利用2013-2022年的贵州省自动气象站资料,在... 【目的】目前大多数气温预报模型是基于数值预报建立的。这种模型存在一个主要问题,即预测精度完全受数值预报精度的影响,导致预报员过度依赖该模型,缺乏对天气实况资料的认知。【方法】该文利用2013-2022年的贵州省自动气象站资料,在考虑气温上下游的相关性的基础上,使用夏季气温实况资料得到了安顺市西秀区日最高和最低气温与省内其他台站之间相隔24 h的皮尔逊相关系数。然后,利用机器学习块选择了Stacking回归模型,建立本地未来24 h的气温预报方法。【结果】(1)上下游最高和最低气温相关性均通过了0.005的显著性检验,表明西秀区24 h气温变化主要受到上游毕节、大方、播州、开阳和贵阳等地的影响;(2)该文所建立的Stacking回归模型能够很好地预测24 h最高和最低气温的变化趋势,在使用±2℃的温度检验方法下,准确率分别达到了83.7%和93.47%;(3)最高气温的预测准确率低于最低气温,反映出西秀区最高气温预报的难度较高。【结论】该方法能够有效降低对数值模式的过度依赖,同时在预测本地24 h气温时具有较高的准确率、稳定性和普适性。 展开更多
关键词 相关系数 stacking回归模型 气温 预报方法
在线阅读 下载PDF
基于IHHO-Stacking集成模型的车辆驾驶性评估
4
作者 莫易敏 王相 +2 位作者 王哲 蒋华梁 李琼 《汽车技术》 北大核心 2025年第3期39-45,共7页
为解决车辆驾驶性主观评价一致性差及客观评价无法反映主观感受的问题,提出了一种基于堆叠(Stacking)集成学习方法的评价模型,首先研究了车辆加速工况特性,定义了工况驾驶性客观评价指标,使用评价指标作为输入特征训练Stacking集成模型... 为解决车辆驾驶性主观评价一致性差及客观评价无法反映主观感受的问题,提出了一种基于堆叠(Stacking)集成学习方法的评价模型,首先研究了车辆加速工况特性,定义了工况驾驶性客观评价指标,使用评价指标作为输入特征训练Stacking集成模型,并且使用改进的哈里斯鹰优化(IHHO)算法优化了Stacking集成模型,提高了预测性能。最后通过道路试验表明,IHHO-Stacking集成模型的性能均优于单个机器学习模型,IHHO-Stacking集成模型预测合格率达95%,能够更有效完成驾驶性评价。 展开更多
关键词 驾驶性 主观评价 改进的哈里斯鹰算法 stacking 集成模型 客观评价
在线阅读 下载PDF
面向恶劣天气的航班延误Stacking集成预测模型
5
作者 孙玥 丁建立 《大数据》 2025年第2期152-166,共15页
天气因素作为影响航班延误的首要因素,对航班延误预测有重要影响。面向恶劣天气,对航班延误时长进行多分类预测,并针对传统单一模型预测精度低、稳定性差等问题,提出一种基于Stacking的航班延误集成预测模型,融合航班数据与天气数据特征... 天气因素作为影响航班延误的首要因素,对航班延误预测有重要影响。面向恶劣天气,对航班延误时长进行多分类预测,并针对传统单一模型预测精度低、稳定性差等问题,提出一种基于Stacking的航班延误集成预测模型,融合航班数据与天气数据特征,采用LightGBM、XGBoost等多个异质分类器作为基学习器,SVM作为元学习器,构建堆叠式的双层集成学习框架。为验证模型有效性,构建多个单一模型与集成模型进行比较。实验结果证明,Stacking集成预测模型性能最优,总体准确率达到95.25%,F1分数达到0.9527。 展开更多
关键词 航班延误预测 stacking集成学习 多模型融合 恶劣天气
在线阅读 下载PDF
基于Stacking集成模型的制造业上市企业财务困境预测研究
6
作者 梅宇 《商业观察》 2025年第8期42-48,共7页
近年来,随着中国制造业的快速发展,上市制造企业的财务困境风险日益加剧,尤其是在2018—2023年间,制造业在ST企业中的比例一直很高,凸显了财务危机的严峻性。为应对这一挑战,文章基于沪深A股1914家制造业上市公司的财务和非财务数据,应... 近年来,随着中国制造业的快速发展,上市制造企业的财务困境风险日益加剧,尤其是在2018—2023年间,制造业在ST企业中的比例一直很高,凸显了财务危机的严峻性。为应对这一挑战,文章基于沪深A股1914家制造业上市公司的财务和非财务数据,应用Stacking集成学习模型进行财务困境预测。集成模型以决策树、随机森林、XGBoost以及CatBoost模型作为基学习器,逻辑回归模型作为元学习器,通过集成多种算法的优势,提升了预测的准确性和稳健性。实验结果显示,模型在测试集上的AUC值达到85.49%,显著优于各单一分类模型,验证了Stacking集成模型在财务困境预测中的有效性。研究将有助于企业利益相关者及时发现可能陷入财务困境的制造业企业,从而更有效应对潜在的财务风险。 展开更多
关键词 ST企业 财务困境 stacking集成模型
在线阅读 下载PDF
基于Xgboost算法与Stacking组合模型的辽宁省碳排放预测研究
7
作者 王城业 郭志达 《环境科学与管理》 2025年第4期17-22,共6页
随着全球气候变化问题的加剧,精确估算碳排放量成为制定有效环境政策及促进可持续发展的关键。本研究创新性地融合Xgboost算法与Stacking集成模型,运用先进的机器学习技术以优化碳排放预测。首先,利用Xgboost算法识别关键影响因素;随后... 随着全球气候变化问题的加剧,精确估算碳排放量成为制定有效环境政策及促进可持续发展的关键。本研究创新性地融合Xgboost算法与Stacking集成模型,运用先进的机器学习技术以优化碳排放预测。首先,利用Xgboost算法识别关键影响因素;随后,构建Stacking模型,该模型集成了多元线性回归、支持向量回归、极端梯度提升树及梯度提升决策树等多种方法,并以岭回归作为元学习器进行综合预测。实验结果显示,该模型展现出高度的预测精度与稳定性,为碳排放管理及治理策略提供了坚实的决策依据,对促进绿色低碳转型、实现碳中和目标具有重要意义。 展开更多
关键词 碳排放量预测 Xgboost算法 stacking组合模型 机器学习
在线阅读 下载PDF
基于Stacking模型融合算法的风电功率预测方法
8
作者 张雪原 蔡思烨 +4 位作者 刘巧宏 朱坚 包晓炜 夏玉剑 陈极 《电力与能源》 2025年第1期61-66,共6页
随着新能源在新型电力系统中渗透率的日益增加,对风电场功率预测的准确性能要求也不断提升。为提高风电功率预测的准确性和可靠性,设计了以线性回归、K邻近、随机森林算法为特征提取层,以轻量梯度提升机为回归预测层的Stacking模型融合... 随着新能源在新型电力系统中渗透率的日益增加,对风电场功率预测的准确性能要求也不断提升。为提高风电功率预测的准确性和可靠性,设计了以线性回归、K邻近、随机森林算法为特征提取层,以轻量梯度提升机为回归预测层的Stacking模型融合算法。以某风电场近年运行数据为案例,验证了该基于Stacking模型融合算法的预测方法相较于任一单一机器学习算法都具有更高的预测精度。 展开更多
关键词 风力发电 stacking模型融合算法 随机森林 K邻近 负荷预测
在线阅读 下载PDF
基于Stacking集成学习模型的轨道交通客流量关键特征分析与预测控制研究——以武汉市为例
9
作者 王寒 任双喜 +1 位作者 侯凯达 刘展 《统计与管理》 2025年第4期49-58,共10页
文章利用国家气象统计局、武汉地铁运营、武汉地铁数据库、武汉交通运输局提供的武汉市气象数据、武汉市活动举办数据,构建了以月份、天气、工作日、节假日属性、活动类型、网络热度等为自变量,客流量为因变量的数据集。首先,利用随机... 文章利用国家气象统计局、武汉地铁运营、武汉地铁数据库、武汉交通运输局提供的武汉市气象数据、武汉市活动举办数据,构建了以月份、天气、工作日、节假日属性、活动类型、网络热度等为自变量,客流量为因变量的数据集。首先,利用随机森林算法识别出影响客流量的六大关键特征:节假日属性、音乐类活动、雨雪天气、抖音热度、工作日和体育类活动。其次,通过Stacking模型集成LightGBM、XGBoost和LSTM模型,结合交叉验证和SHAP模型进行性能评估与超参数优化,避免过拟合并增强泛化能力。接着,基于蚁群算法,进一步求解客流顶峰的产生规律及条件,提出了最大和最小客流量的典型场景。最后,基于训练良好的预测模型,提出客流量干预方法。文章为武汉市轨道交通管理提供了科学的决策支持,并为运用数据分析技术优化城市公共交通系统提供了重要参考。 展开更多
关键词 stacking集成学习模型 随机森林算法 蚁群算法 预测控制 武汉市轨道交通
在线阅读 下载PDF
基于Stacking融合模型的Web攻击检测方法 被引量：2
10
作者 万巍 石鑫 +2 位作者 魏金侠 李畅 龙春 《信息安全学报》 CSCD 2024年第1期84-94,共11页
随着计算机技术与互联网技术的飞速发展,Web应用在人们的生产与生活中扮演着越来越重要的角色。但是在人们的日常生活与工作中带来了更多便捷的同时,却也带来了严重的安全隐患。在开发Web应用的过程中,大量不规范的新技术应用引入了很... 随着计算机技术与互联网技术的飞速发展,Web应用在人们的生产与生活中扮演着越来越重要的角色。但是在人们的日常生活与工作中带来了更多便捷的同时,却也带来了严重的安全隐患。在开发Web应用的过程中,大量不规范的新技术应用引入了很多的网站漏洞。攻击者可以利用Web应用开发过程中的漏洞发起攻击,当Web应用受到攻击时会造成严重的数据泄露和财产损失等安全问题,因此Web安全问题一直受到学术界和工业界的关注。超文本传输协议(HTTP)是一种在Web应用中广泛使用的应用层协议。随着HTTP协议的大量使用,在HTTP请求数据中包含了大量的实际入侵,针对HTTP请求数据进行Web攻击检测的研究也开始逐渐被研究人员所重视。本文提出了一种基于Stacking融合模型的Web攻击检测方法,针对每一条文本格式的HTTP请求数据,首先进行格式化处理得到既定的格式,结合使用Word2Vec方法和TextCNN模型将其转换成向量化表示形式;然后利用Stacking模型融合方法,将不同的子模型(使用配置不同尺寸过滤器的Text-CNN模型搭配不同的检测算法)进行融合搭建出Web攻击检测模型,与融合之前单独的子模型相比在准确率、召回率、F1值上都有所提升。本文所提出的Web攻击检测模型在公开数据集和真实环境数据上都取得了更加稳定的检测性能。 展开更多
关键词 入侵检测 stacking 融合模型 WEB攻击
在线阅读 下载PDF
基于Stacking集成学习的恶意URL识别方法
11
作者 孙杨 邱祥锋 《集美大学学报(自然科学版)》 2025年第2期179-185,共7页
针对传统URL(uniform resource locator)检测方法在恶意URL检测时存在的精确率不高、实时性差等问题,提出一种基于Stacking集成学习的算法模型。该模型用ADB(adaptive boosting)、LR(logistic regression)、SVM(support vector machine)... 针对传统URL(uniform resource locator)检测方法在恶意URL检测时存在的精确率不高、实时性差等问题,提出一种基于Stacking集成学习的算法模型。该模型用ADB(adaptive boosting)、LR(logistic regression)、SVM(support vector machine)、GBDT(gradient boosting decision tree)和GNB(gaussian naive bayes)5种机器学习算法作为初级分类器,其多层结构使不同机器学习模型之间可以优势互补,提升检测系统的整体性能表现。最后,通过在测试集上进行性能评估,选出性能最优的集成组合。实验结果表明,基于Stacking方法融合基学习器的集成学习模型在召回率、准确率、精确率、F 1值等多项指标上优于传统机器学习模型,对恶意URL检测的准确率可达96.77%。 展开更多
关键词 恶意URL 机器识别 stacking模型 集成学习 基学习器
在线阅读 下载PDF
广州地区多次献血者流失影响因素研究:基于零膨胀泊松回归模型
12
作者 柯蓉蓉 谢桂芸 +7 位作者 郑晓晓 许颖莹 洪晓春 黎世杰 邓泳诗 沈金宇 陈锦艳 欧阳剑 《中国输血杂志》 2025年第1期73-78,84,共7页
目的运用零膨胀泊松回归模型,分析多次献血者流失的影响因素。方法本研究采用零膨胀泊松回归模型(zero-inflated poisson model,ZIP)对广州血液中心12498名在2020年献全血的献血者截止2023年12月31日的献血行为进行了跟踪,以献血者当年... 目的运用零膨胀泊松回归模型,分析多次献血者流失的影响因素。方法本研究采用零膨胀泊松回归模型(zero-inflated poisson model,ZIP)对广州血液中心12498名在2020年献全血的献血者截止2023年12月31日的献血行为进行了跟踪,以献血者当年的献血次数为结局变量,若献血者当年献血次数为0,即为流失,测量其每次献血时相关的影响因素的变化并建模分析。结果零膨胀泊松回归模型零膨胀部分结果显示,男性献血者的流失风险是女性的2.24倍(OR 95%CI:1.864~2.696,P<0.001)。年龄分组中,35~44岁组的流失风险比25岁以下组的低40%(OR 95%CI:0.455~0.790,P<0.001),大于45岁组的流失风险比小于25岁组的低61%(OR 95%CI:0.268~0.578,P<0.001)。历史献血次数分组中,历史献血2次的献血者的流失风险比首次献血者低50%(OR 95%CI:0.405~0.609,P<0.001);历史3次及以上献血者的流失风险比首次献血者低81%(OR 95%CI:0.154~0.225,P<0.001)。教育程度分类中,初中或高中学历组的流失风险是大专及以上学历组的1.2倍(OR 95%CI:1.033~1.384,P<0.05)。在婚姻状况分类中,离异组的流失风险是已婚组的2.02倍(OR 95%CI:1.445~2.820,P<0.001)。在家庭收入状况中,收入1~5万组的流失风险是收入小于1万组的0.67倍(OR 95%CI:0.552~0.818,P<0.001),收入5~10万组的流失风险是收入小于1万组的0.72倍(OR 95%CI:0.591~0.884,P=0.002),收入大于10万组的流失风险是收入小于1万组的0.67倍(OR 95%CI:0.535~0.834,P<0.001)。泊松部分的结果与零膨胀部分的结果在年龄分组及教育程度分类方面相互印证。结论献血者的流失和献血者的性别、年龄、献血次数、教育情况、婚姻状况、家庭收入等因素均有关系。应做好易流失献血群体的关爱工作,减少他们的流失,保留更多的定期献血者。 展开更多
关键词 多次献血者 流失 影响因素 零膨胀泊松回归模型 广州
在线阅读 下载PDF
基于Stacking融合模型的PHEV复合储能系统实时能量分配策略 被引量：1
13
作者 吴忠强 马博岩 《计量学报》 CSCD 北大核心 2024年第1期73-81,共9页
为了解决插电式混合动力汽车单一电池低比功率、无法响应暂态功率需求的问题,设计了电池和超级电容并联式复合储能系统。同时针对采用动态规划法优化负载电流分配时缺乏实时性的问题,利用不同驱动工况下动态规划优化的结果构成训练集进... 为了解决插电式混合动力汽车单一电池低比功率、无法响应暂态功率需求的问题,设计了电池和超级电容并联式复合储能系统。同时针对采用动态规划法优化负载电流分配时缺乏实时性的问题,利用不同驱动工况下动态规划优化的结果构成训练集进行训练,并综合GRU网络以及XGBoost算法,提出了一种Stacking集成学习框架下多模型融合的能量分配策略。仿真结果表明,与仅使用单一电池的储能系统相比,基于Stacking融合模型的实时能量分配系统在UDDS和US06两种循环工况下,电池峰值电流分别降低了48.7%和50.8%,有效削弱了电池的峰值电流,提升了电池的整体性能。 展开更多
关键词 电学计量 复合储能系统 插电式混合动力汽车 动态规划 XGBoost stacking融合模型
在线阅读 下载PDF
基于logistic回归模型的Pull Request合并结果预测
14
作者 陈萍 周礼亮 张卫丰 《软件导刊》 2025年第4期89-92,共4页
Pull Request是GitHub中代码贡献的一种重要方法,当开发人员希望将其代码更改从本地机器合并到存储项目中所有源代码的主存储库时,需要提交Pull Request。基于logistic回归模型对Pull Request被拒绝情况进行预测实验,预测实验中考虑的... Pull Request是GitHub中代码贡献的一种重要方法,当开发人员希望将其代码更改从本地机器合并到存储项目中所有源代码的主存储库时,需要提交Pull Request。基于logistic回归模型对Pull Request被拒绝情况进行预测实验,预测实验中考虑的输入特征为通过数据挖掘关联规则找出的影响Pull Request被拒绝的相关因素,主要包括修改变更的代码特性、Pull Request描述的文本特性、开发人员以前行为的贡献者特性以及Pull Request过程的交互等。实验评估了包含12个开源项目中140 155个Pull Request的有效性。结果表明,基于logistic回归模型的预测结果准确率为0.84,召回率为0.99,F1分数为0.91,相较基线方法均有一定提高。分析预测实验结果表明,通过数据挖掘中关联规则找出的影响因素对Pull Request合并结果具有足够的影响力,可以帮助开发人员将精力集中在主要因素上,或分配更多资源来克服关键问题,有利于避免开发人员提交的Pull Request被拒绝,减少项目成本和时间。 展开更多
关键词 Pull Request 影响因素 数据挖掘 回归模型 GitHub
在线阅读 下载PDF
基于Stacking集成学习的热轧带钢凸度诊断模型
15
作者 张殿华 李贺 +3 位作者 武文腾 霍光帆 孙杰 彭文 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第10期3673-3682,共10页
在热连轧生产过程中,凸度是重要的质量指标,过程数据的非平衡性限制了数据驱动模型的预测效果,为提高模型的预测精度,提出一种融合SMOTE和Stacking集成算法的热轧带钢凸度诊断模型。首先,采用SMOTE过采样方法处理凸度相关数据集,降低数... 在热连轧生产过程中,凸度是重要的质量指标,过程数据的非平衡性限制了数据驱动模型的预测效果,为提高模型的预测精度,提出一种融合SMOTE和Stacking集成算法的热轧带钢凸度诊断模型。首先,采用SMOTE过采样方法处理凸度相关数据集,降低数据非平衡分布导致的影响;然后,构建以轻量级梯度提升机(LightGBM)、支持向量机(SVM)、K近邻(KNN)和随机森林(RF)为基学习器,逻辑回归(LR)为元学习器的Stacking集成模型,最后,使用某2160 mm热轧带钢实际生产数据进行模型验证。研究结果表明,诊断模型的准确率、少数类召回率、平衡F分数、几何平均值和ROC曲线下面积分别为0.9580、0.9595、0.9573、0.9589和0.9579,与XGBoost、LightGBM、KNN、SVM和随机森林模型对比,预测效果最优,证明了Stacking集成算法能够有效增强诊断模型的泛化能力,具有优良的诊断性能。 展开更多
关键词 带钢凸度诊断 stacking集成模型 非平衡数据 SMOTE
在线阅读 下载PDF
基于有序逻辑回归模型的电动汽车充电行为分析
16
作者 李颖 侯学睿 刘晨辉 《科学技术与工程》 北大核心 2025年第8期3473-3479,共7页
充电基础设施是影响电动汽车发展的重要因素,而分析明确电动汽车充电行为特征是优化充电设施布局的前提。基于北京科创基地充电站2017年充电数据,利用描述性分析与统计分析研究了电动汽车充电行为特征。基于充电功率,将充电桩划分为高功... 充电基础设施是影响电动汽车发展的重要因素,而分析明确电动汽车充电行为特征是优化充电设施布局的前提。基于北京科创基地充电站2017年充电数据,利用描述性分析与统计分析研究了电动汽车充电行为特征。基于充电功率,将充电桩划分为高功率(100 kW)、中等功率(40 kW)、低功率(10 kW和15 kW)三类。首先,从充电时长、用户特征、电池特征等方面全面客观分析电动汽车的充电行为特征。发现随着充电桩功率减小,充电时长明显增加,但一般不超过180 min;从用户类型来看,以网约车/出租车等集团用户为主,占比高达86.5%;从电池特征看,大部分用户在电池荷电状态(state of charge,SOC)较高时就开始充电。其次,通过构建有序逻辑回归模型识别影响充电桩选择的关键因素。建模结果发现集团用户、白天、工作日、充电高峰时段、充电起始电池SOC很低时,电动汽车用户更倾向于选择高功率充电桩。研究成果可帮助优化充电站布局。 展开更多
关键词 电动汽车 充电行为 有序逻辑回归模型 实际充电数据 充电桩功率
在线阅读 下载PDF
基于自回归积分滑动平均模型的无线传感网络通信传输信号延迟消除方法
17
作者 崔蕾 王同 《传感技术学报》 北大核心 2025年第3期543-549,共7页
为了解决受环境影响无线传感网络通信传输信号的延迟问题,提出了一种传输信号延迟消除的方法。将自回归积分滑动平均模型(ARIMA)和小波神经网络(WNN)相结合,进行通信传输信号延迟的组合预测。根据延迟预测结果设计传输信号延迟消除流程... 为了解决受环境影响无线传感网络通信传输信号的延迟问题,提出了一种传输信号延迟消除的方法。将自回归积分滑动平均模型(ARIMA)和小波神经网络(WNN)相结合,进行通信传输信号延迟的组合预测。根据延迟预测结果设计传输信号延迟消除流程的步骤和约束条件,并以此构建无线传感网络通信传输的优化目标函数,引入免疫克隆蛙跳算法对目标函数进行求解,获取最优的传输方案。仿真分析表明,所提方法的延迟预测误差和端到端延迟误差低于0.01 s,能量消耗最大值为6.4 W,平均丢包率最大值为0.286%。上述结果证明了所提方法可以有效准确预测和消除无线传感网络通信传输信号延迟。 展开更多
关键词 无线传感网络 传输信号 延迟消除 自回归积分滑动平均模型 小波神经网络
在线阅读 下载PDF
基于Stacking模型的学术论文多标签分类系统构建
18
作者 刘爱琴 郭少鹏 《国家图书馆学刊》 CSSCI 北大核心 2024年第2期96-104,共9页
学术论文高质量多标签自动分类是推动学术研究发展的关键程序之一。本研究利用Stacking模型将随机森林、支持向量机、极限树、极端梯度提升和神经网络五个分类器融合为一个异质集成分类器,并利用基于问题转换思想的多二分类模型将该分... 学术论文高质量多标签自动分类是推动学术研究发展的关键程序之一。本研究利用Stacking模型将随机森林、支持向量机、极限树、极端梯度提升和神经网络五个分类器融合为一个异质集成分类器,并利用基于问题转换思想的多二分类模型将该分类器应用于学术论文多标签分类。根据学术论文的特点,依次实现了与之配套的论文特征提取模块、TF-IDF加权模块、数据预处理模块,最终构建成一个面向学术论文的多标签分类系统。仿真实验验证了本研究构建的学术论文多标签分类系统在处理学术论文多标签分类问题时,较传统的单模型分类器或同质集成模型分类器在泛化能力、稳定性与准确率方面都有一定程度的提升。图9。参考文献21。 展开更多
关键词 论文分类 stacking模型 多标签分类 多二分类模型
在线阅读 下载PDF
基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型
19
作者 唐非 《太阳能学报》 EI CAS CSCD 北大核心 2024年第7期735-744,共10页
针对风电场短期风速预测准确度不高的问题,提出一种基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型。首先,为突出短期风速的局部特征并降低建模难度,通过互补集成经验模态分解算法将短期风速分解为若干个稳定分量。然后... 针对风电场短期风速预测准确度不高的问题,提出一种基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型。首先,为突出短期风速的局部特征并降低建模难度,通过互补集成经验模态分解算法将短期风速分解为若干个稳定分量。然后,利用信息熵和近似熵来判定各分量的复杂度,高复杂度分量选择最小二乘支持向量机、低复杂度分量选择随机配置网络作为对应的预测模型。利用Stacking算法对每个模型的预测值进行融合,使预测精度得到提升。最后,通过一组实际的短期风速数据作为研究对象,将提出的预测模型应用于其预测。对比结果表明,所提预测模型可提高短期风速的预测精度。 展开更多
关键词 风能 短期风速 组合预测 互补集成经验模态分解 多模型 stacking融合
在线阅读 下载PDF
基于钻进参数实时预测土体力学性质的Stacking集成模型
20
作者 李谦 周治刚 +2 位作者 邓光宏 刘绪勇 丁晔 《钻探工程》 2024年第S01期61-69,共9页
岩土体物理力学参数对工程勘察、设计、施工等作业不可或缺,但常规取样试验或原位检测均存在明显的精度误差。据此本文提出基于勘察钻探的实时钻进参数,建立基于机器学习的随钻土体物理力学参数模型。通过采集位于珠海市国家高新技术产... 岩土体物理力学参数对工程勘察、设计、施工等作业不可或缺,但常规取样试验或原位检测均存在明显的精度误差。据此本文提出基于勘察钻探的实时钻进参数,建立基于机器学习的随钻土体物理力学参数模型。通过采集位于珠海市国家高新技术产业开发区内20 m勘探孔的真实数据,将EP-200G型钻机实时随钻采集的钻压、扭矩和三轴振动作为输入数据,将全孔土体粘聚力、内摩擦角、含水量与弹性模量试验数据作为输出。基于建模数据分析,证明使用单算法的3类机器学习模型(支持向量机、神经网络和决策树)的预测精度最高仅为0.78,而基于Stacking理念的集成模型可将预测精度提升至最高0.98。结合该模型,进行了随钻参数与土体参数间的敏感性分析,证实当不同土体参数发生变化时,不同随钻参数会发生明显变化,证明了随钻参数预测土体参数的可靠性与适用性。 展开更多
关键词 土体参数 钻进参数 实时预测模型 敏感性分析 机器学习 stacking理念 工程勘察
在线阅读 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 … 250 下一页 到第 页
使用帮助 返回顶部