共被期刊论文引用了3次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 一种利用贝叶斯算法优化XGBoost的滑坡易发性评价方法显示文摘针对机器学习模型在滑坡易发性评价中,模型超参数的选择往往会影响评价结果准确性的问题,该文以离柳煤矿区为研究区,基于滑坡编录数据,确定研究区内356个滑坡点,并提取了13个滑坡易发性评价因子,利用贝叶斯优化(BO)算法对极限梯度提升(XGBoost)模型进行优化,并用BO-XGBoost、BO-RF和BO-SVM这3种模型对研究区进行滑坡易发性评价,采用F1值、准确率和ROC曲线对3种模型的预测性能进行比较。结果表明:(1)13个评价因子均满足独立性要求,且滑坡易发性关系最密切的4个评价因子依次是采矿扰动、距道路距离、高程和地层岩性;(2)与传统XGBoost、RF和SVM相比,BO算法优化后的3种模型在预测精度上有显著提升,在研究区内,BO-XGBoost相比BO-RF和BO-SVM模型泛化能力较好,滑坡易发性评价结果精度较高。 | 张潇远 苏巧梅 赵财胜 朱月琴 李凯新 范锦龙 白东升 | 2023 | 测绘科学2023，48，6： | 1 |
| 2 | 基于XGBoost的储粮品质预测显示文摘研究了基于机器学习的粮食品质预测技术,创新性地采用机器学习中的XGBoost算法进行粮情检测,通过对粮仓中温度、湿度和化学物质含量进行特征向量分析,旨在帮助粮仓管理人员更好地了解储存粮食的状态,预测可能的变质和虫害情况,保证粮食质量和安全。针对算法检测的准确率,通过XGBoost和传统的机器学习分类算法支持向量机和逻辑回归算法对实验粮食数据进行预测并对比,结果表明,机器学习XGBoost、支持向量机、逻辑回归等算法在粮情检测上都可以快速且正确地做出预测,XGBoost算法的结果相对于支持向量机和逻辑回归,具有更高的准确率。XGBoost算法在提高粮食品质监测效率和准确性方面具有较大潜力。 | 张慧媛 曾显超 钟克针 韩帅 唐怀建 | 2023 | 粮食科技与经济2023，48，6： | 0 |
| 3 | 基于机器学习和夏普利加法解释(SHAP)模型的饲料原料价格可解释预测显示文摘文章旨在评估机器学习模型的性能,提出一种饲料原料价格可解释预测的框架。选取豆粕为饲料产品原材料的代表品种,基于2006年1月至2023年4月的豆粕期货月度结算价数据,采用反向传播(BP)神经网络、梯度提升决策树(GBDT)和极限梯度提升(XGBoost)等3种机器学习算法进行训练测试,使用贝叶斯优化算法调整各模型参数,选择性能最优模型结合SHAP模型解析预测结果。结果显示,贝叶斯优化的极限梯度提升算法(BO-XGBoost)模型的预测性能显著优于其他基准模型,其测试集的平均绝对百分比误差(MAPE)和决定系数(R2)分别为0.03和0.892,模型精度较高;滞后一期豆油期货结算价对豆粕价格具有显著正向影响。研究表明,该模型具有良好的应用前景,可为饲料相关企业管理者决策和有关部门制定政策提供一定参考。 | 吴展 王春晓 | 2023 | 饲料研究2023，46，23： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员