XGBoost

摘要： 背景:筛选关键动作技术指标用以指导专项训练或比赛是提升比赛成绩的关键。男、女运动员动作技术差异明显,男、女运动员的关键动作技术指标尚未可知。目的:筛选影响速度攀岩精英运动员比赛成绩的关键动作技术指标,为速度攀岩的科学训练提供方向与理论支撑。方法:选用2017-2021年间攀岩世锦赛、世界杯和中攀联赛中速度攀岩决赛视频,获取男、女前4名运动员的比赛样本(男子:109个,女子:117个),运用二维运动学分析法,采集运动员的反应时、触点特征和分段速度指标,分别建立男子与女子速度攀岩精英运动员的随机森林和XGBoost回归模型,计算各动作技术指标对比赛成绩影响力。结果与结论:①男子精英运动员的随机森林和XGBoost模型的均方根误差分别为0.224与0.265,r2分别0.765与0.686;关键动作技术指标为:左手触点时间总和、右手动作频率、右手触点时间总和、3-6号点速度、左脚动作频率、右脚触点时间总和、11-13号点速度、13-18号点速度、8-10号点速度、左脚触点时间总和、左手触点个数和右脚动作频率;②女子精英运动员的随机森林和XGBoost模型的均方根误差分别为0.066与0.055,r2分别为0.846与0.887;关键动作技术指标为:左手触点时间总和、右手触点时间总和、右手动作频率、左脚动作频率、左脚触点时间总和、8-10号点速度、右脚触点时间总和、10-11号点速度和13-18号点速度;③速度攀岩比赛上肢动作技术指标(触点时间总和与动作频率)的影响力高于下肢动作技术指标,触点个数对比赛成绩影响力不高,男子与女子精英运动员首要制胜段落分别为3-6与8-11号点段落。运动员应重点优化首要制胜段落的上肢触点时间,带动优化下肢触点时间指标,提升比赛成绩。

摘要： 为了更加快捷、高效地判定边坡稳定与否,基于机器学习,融合主成分分析法(PCA)、参数调整、影响因素权重分析等,建立了一种边坡安全稳定性评价体系.研究发现,运用PCA可以在保留80％数据原信息的前提下将输入变量维度从六维降至三维,但此时模型效果有所下降;随机森林及梯度提升(XGBoost)两种学习算法均可搭建有效的边坡安全稳定性评估模型,通过对其预测效果的对比分析,确定XGBoost为最佳评价模型.与此同时,采取卡方检验、F检验以及互信息法3种相关性检验手段,并通过计算评价因子的重要程度且加以可视化展示,明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性,最终将评估结果与实际结合提出了边坡安全防护措施.

摘要： 局部放电模式识别对交联聚乙烯(XLPE)电缆绝缘性能的判定具有重要意义。在XLPE电缆的局部放电模式识别的研究中,传统机器学习算法存在收敛速度慢、易过拟合、识别准确率低等问题。文章采用一种基于改进XGBoost算法的XLPE电缆局部放电模式识别方法。通过搭建电缆局部放电试验平台人为构造四种35 kV XLPE电缆局部放电缺陷模型进而获取原始数据,利用MATLAB软件完成统计特征参数的计算,以特征参数为输入量,放电类型预测结果为输出量,通过交叉验证、学习曲线确定最优参数进而得到有效的模式识别模型。实验分析结果表明,与决策树、随机森林、BP神经网络和SVM等局部放电模式识别方法相比,文中方法可进一步提升识别准确率,总体识别准确率为96.93%。

摘要： 为了进一步加强道路交通安全管理,提升道路交通安全预警系统的准确度,提出一种基于XGBoost算法的道路交通事故严重程度预测模型。首先利用SMOTE对不平衡数据集进行处理,使正负样本数量达到1∶1;然后利用随机森林算法将影响城市道路交通事故严重程度的特征进行重要性排序,找出对预测模型影响较大的因素;最后基于XGBoost算法构建预测模型,使用网格搜索法进行模型参数寻优,提高预测准确度。通过与KNN、Logistic及随机森林3种模型进行结果对比分析发现,XGBoost模型的分类准确率平均提升0.097。基于XGBoost算法的道路交通事故严重程度预测模型拥有更加优越的预测性能,可为预防和降低交通事故严重程度提供可靠参考。

摘要： 本文使用德国零售数据,经过观察数据的特征,展开数据预处理,建立特征工程;通过将聚类分析与XGBoost模型相结合,建立混合预测模型对德国零售业数据进行建模预测。该模型首先对特征集降维之后选择最优的聚类数,然后对聚类分析后不同的类别分别进行XGBoost模型训练,最后将通过加权求和得到预测结果。研究结果表明,相比较于其他模型,混合模型提升了预测精度和泛化能力。

摘要： 传统的测井解释规则库的获取需专业研究人员以手工方式进行,存在繁琐、耗时等缺点,且技术熟练程度直接影响到解释评价效果,为此,提出了一种基于XGBoost的测井解释规则库自动获取或建立测井解释专家规则库的方法,将多种物理信息和地质参数作为输入特征,储层类别作为输出标签,通过引入XGBoost算法,经过学习得出地质参数与储层类别之间的关系模型。利用该模型,可以自动预测储层类别,进而建立测井解释规则库。胜利油田盐家永安地区某砂砾岩油气藏的砂砾岩测井解释评价结果表明,与支持向量机(SVM)算法和梯度提升决策树(GBDT)算法相比,本文方法具有更高的准确率和更高的计算效率。研究区老井复查结果表明:与手工获取规则库方法相比,本文方法较完整地提取了研究区内的知识规则,提升了测井解释的准确率。

摘要： 为减轻大气污染给人类带来的危害,国内外的学者在上个世纪就开始研究空气预报模型,高效且准确性高的预测模型可以预测未来若干天的大气污染情况,人们可以据此做出有效的应对措施以减少大气污染带来的危害。目前常用WRF-CMAQ模拟体系对空气质量进行预报,但由于受到各种不确定因素的影响,WRF-CMAQ预报模型的结果并不理想。本文主要工作是在WRF-CMAQ预报模型的基础上二次建模,提出了两个模型分别为WRF-CMAQ-BP和WRF-CMAQ-XGBoost模型,在构建网络后进行测试,在调参过程中发现WRF-CMAQ-BP模型的效果是更优的,因此本文用WRF-CMAQ-BP模型预测六种常规污染物的单日浓度值。

摘要： 药物研发过程中,通过筛选影响显著的化合物继而合成抗癌药物无疑能够保证抗癌药物研发的高效性和针对性。本文针对收集到的与乳腺癌相关的ER?活性的1974种化合物,首先利用基于遗传算法的随机森林模型筛选出前20个对生物活性最具有显著影响的分子描述符,其次以此选择分子描述符变量构建定量预测模型得到预测结果,随后构建化合物的分类预测模型。结果表明该模型预测具有很强的实践意义,采用的预测策略是有效的,可为抗乳腺癌药物的研发提供借鉴。

摘要： 随着全媒体时代的到来和社交网络的发展,流行度预测在舆情监测和数据话语权的争夺上开始发挥重要的作用。现有的流行度预测研究多集中于外文媒体,对以微博为代表的国内主流媒体进行流行度预测是一个新兴且具有挑战的方向。本文针对微博这一国内社交媒体平台进行研究,通过对微博内容及微博用户的特征分析,设计了多种流行度预测方案,同时,提出了一种基于XGBoost的微博流行度预测算法,将流行度预测问题转换为互动值档位分类问题,在分类式框架下将提取融合后的特征用于模型训练,可以较为准确地对有用户信息的微博的流行度情况进行预测。本文的算法在微博流行度预测数据集中得到验证,并且取得了准确率高达85.69%的优越效果。

摘要： 针对物联网入侵检测中检测数据不平衡导致的分类不准确的问题,提出了一种基于极端梯度提升树和随机森林相结合的物联网入侵检测模型.首先,针对物联网应用环境中产生的大量数据,对数据进行数据归一化处理.然后,利用XGBoost算法对其中的特征进行重要性评分,选择最优特征.最后,结合改进的随机森林算法,解决因数据不平衡导致的分类不准确的问题.仿真试验表明所提模型能有效的进行数据最优特征选择及合理地检测分类,同RF算法、SVM算法、Tree-SVM模型和RF-GDBT模型相比,所提模型的检测准确率有效改善.

摘要： 本文从网络视频资源的侵权识别问题出发,结合NER和XGBoost机器学习分类算法,提出了一种基于网络资源文本描述信息的侵权识别模型.

摘要： 本文从网络视频资源的侵权识别问题出发,结合NER和XGBoost机器学习分类算法,提出了一种基于网络资源文本描述信息的侵权识别模型.

摘要： 本文从网络视频资源的侵权识别问题出发,结合NER和XGBoost机器学习分类算法,提出了一种基于网络资源文本描述信息的侵权识别模型.

摘要： 本文从网络视频资源的侵权识别问题出发,结合NER和XGBoost机器学习分类算法,提出了一种基于网络资源文本描述信息的侵权识别模型.

摘要： 本文从网络视频资源的侵权识别问题出发,结合NER和XGBoost机器学习分类算法,提出了一种基于网络资源文本描述信息的侵权识别模型.

摘要： 本文从网络视频资源的侵权识别问题出发,结合NER和XGBoost机器学习分类算法,提出了一种基于网络资源文本描述信息的侵权识别模型.

摘要： 本发明公开了一种特殊的XG Boost类方法，在XG Boost类方法中用待估变量或待估参数的极大似然估计值为初始迭代值，使得XG Boost类方法的收敛速度更快。相比0初值，当训练轮数较少时，能有效防止过拟合同时达到一定的预测精度。当有特殊取值范围限定时，极大似然估计初始迭代值和一个较小的收缩尺度因子η能使XG Boost类方法在迭代过程中始终保持实际意义。同时，公开了相关的计算机设备。

摘要： 本发明提供了一种基于XGBoost与CV交叉函数的多层合采产液剖面劈分方法，包括以下步骤：对区块内相应油水井的静、动态数据进行筛选和提取，构建多源数据集；挑选出与产液剖面相关性较强的影响因素；对数据集中数据进行处理，建立产液剖面预测样本数据集；对比三种机器学习算法建立的分层产液剖面预测模型，选择使用XGBoost算法进行分层产液剖面预测模型的搭建；对选择的模型进行相应的模型训练及调参优化；将模型预测结果与KH劈分结果进行对比，选择二者的均值作为模型的最终输出；基于训练好的预测模型，进行油田现场多层合采生产井产液剖面的预测。本发明可充分利用油田现场数据和计算资源，实现对多层合采产量进行低成本且准确的劈分预测。

摘要： 本发明公开了一种基于XGBoost模型的废杂塑料光谱识别方法，所述的方法包括：使用近红外光谱仪采集多种塑料的近红外反射率光谱数据；对原始光谱数据进行PCA分析，降低数据维度；使用XGBoost算法建立废杂塑料算法识别模型；采用网格搜索和K折交叉验证优化识别模型的性能，并最终建立识别模型；基于训练出的识别模型，提取待识别塑料样品的近红外光谱，依据所述识别模型对待识别塑料样品的近红外反射光谱进行识别，得到待识别塑料样品的识别结果。本发明在降低数据处理时间的同时，提高了识别多种常见塑料的准确率，有利于在实际生产中的应用。

摘要： 本发明涉及一种基于卷积神经网络和XGBoost的烟气脱硫脱硝控制方法，其包括如下步骤：对电厂脱硫脱硝各部件进行模型构建，建立完整的电厂脱硫脱硝系统仿真模型；利用卷积神经网络模型对电厂脱硫系统出口处烟气中的二氧化硫浓度进行预测，利用XGBoost模型对电厂脱硝系统入口处烟气氮氧化物浓度进行预测；根据二氧化硫浓度预测值对脱硫系统的浆液喷淋量进行控制、根据氮氧化物浓度预测值对脱硝系统的喷氨量进行控制；将浆液喷淋量和喷氨量的控制参数下发至电厂脱硫脱硝系统仿真模型中进行验证和预警分析；本发明建立了完整的电厂脱硫脱硝系统仿真模型，能直观展示和获知电厂脱硫脱硝的实际运转情况并进行系统参数的调节。

摘要： 基于多学习器优化的XGBoost的小样本条件下空间目标ISAR图像分类方法，属于ISAR图像处理技术领域。是为了解决针对现有对小样本条件下空间目标ISAR图像识别率低的问题。本发明针对待分类的ISAR自旋空间目标图像，利用基于多学习器优化的XGBoost模型进行空间目标ISAR图像分类；XGBoost模型是利用XGBoost算法集成堆叠网络形成的XGBoost网络模型，堆叠网络中并行的基础学习器包括图卷积网络、胶囊网络和加入基于旋转不变性的注意力机制模块的Alexnet网络；其中，胶囊网络包含一个基础特征提取模块、一个向量特征提取模块以及动态路由层，且胶囊网络中不含有池化层。主要用于ISAR图像的分类。

摘要： 本发明涉及一种基于XGBoost的光伏组串通信异常识别方法及系统，所述方法包括：获取待测时段内光伏电站中各光伏组串的电流值及待测时段前预设时段内光伏电站所有光伏组串的电流值及对应的通信异常标签数据，并将所述电流值归一化；基于VaDE模型的生成数据对XGBoost模型进行训练，得到训练好的XGBoost模型；将待测时段内光伏电站中各光伏组串的电流归一化后的值输入训练好的XGBoost模型中，识别出待测时段内光伏电站中电流值通信异常的光伏组串。本发明提供的技术方案，基于VaDE模型的生成数据对XGBoost模型进行训练，得到训练好的XGBoost模型，利用所述训练好的模型对光伏电站中各组串的电流通信是否异常进行识别，可以提升XGBoost模型识别光伏电站中异常光伏组串的准确性。

摘要： 本发明公开了一种基于CNN‑XGBoost的胶质母细胞瘤预后预测方法，包括以下步骤：S1脑部MR影像基础预处理；S2基于混合双高斯模型的肿瘤特征图提取；S3数据增强；S4深度学习特征提取；S5基于传统机器学XGBoost特征分类器进行预后模型的建立。本发明基于双高斯模型对患者术前MR影像的强度直方图进行拟合提取肿瘤特征图，降低了后续网络模型特征提取的难度。同时，本发明设计了一种深度卷积特征提取网络该网络，包括上、下游两条支路。上游支路为简易特征提取模块，其主要聚焦于提取分割标签图像的简单特征。下游支路为肿瘤特征图的深度特征提取网络，其主要聚焦于由预处理后得到的肿瘤特征图。此外，再结合XGBoost对由深度神经卷积网络所提取到的特征进行分类拟合可有效缓解过拟合现象，提升预后预测的精度等性能。

摘要： 一种基于XGBoost的光伏阵列故障诊断方法，通过建立光伏组件等效电路模型，根据模型建立光伏组件基本电流方程后分析光照强度、温度对光伏组件内部参数的影响，得到组件伏安特性曲线随光照强度、温度的变化趋势并进一步分析不同程度下的光伏阵列故障对应的伏安特性曲线的变化情况，选取、构建反映不同故障特性的特征量，作为故障诊断的输入向量；然后建立光伏阵列仿真模型以模拟不同类型、不同程度的故障，通过调节光照强度、温度获取伏安特性曲线，读取、构建故障特征量，建立光伏阵列故障数据集，用于在离线阶段训练基于XGBoost算法的光伏阵列故障诊断模型；最后在在线阶段采用训练后的光伏阵列故障诊断模型融合多种不同类型、不同程度故障的光伏阵列故障特征量、光照强度、温度，通过极限梯度提升决策树得到光伏阵列多种不同类型、不同程度的故障。

摘要： 本发明公开一种基于RF‑XGBOOST的业务故障预测方法及装置，其中，该方法包括：建业务监控指标，对采集的指标数据进行预处理形成样本；将样本数据分为训练集和测试集，基于训练集分别构建RF模型和XGBOOST模型，并通过权重线性组合两种模型构建RF‑XGBOOST模型；基于测试集对RF‑XGBOOST模型进行评价；利用RF‑XGBOOST模型对业务进行实时监控，对预测故障的结果进行告警，并进行告警处置；对预测错误的结果通过人工研判进行校正并记录；将未来一段时间内的真实数据纳入模型样本中。该方法及装置通过构建RF‑XGBOOST模型的不断训练，将机器学习与专家经验优势互补，进行故障预判和预处理。

摘要： 本发明适用于输电线路防冰技改投资预测领域，提供了一种基于LSTM‑XGboost组合的防冰技改项目投资预测方法及装置，其中上述方法包括：获取防冰技改项目历史数据；根据收集的历史数据信息，采用MIC(最大信息系数)方法分析历史数据之间的相关性；对数据进行归一化预处理，并将其按比例划分训练集和测试集；构建LSTM和XGboost预测模型，并对模型进行超参数设置；将训练集数据代入LSTM和XGboost模型进行训练学习；将测试集数据代入训练好的LSTM和XGboost模型进行预测，得到LSTM和XGboost预测结果；根据预测结果，采用数学误差倒数法构建组合预测模型，并输出组合预测值；根据组合模型预测值，计算预测值的平均绝对百分误差、均方根误差和平均绝对误差，用以评价组合模型的预测效果。