基于随机森林回归的煤矿瓦斯涌出量预测方法

为了提高煤矿瓦斯涌出量预测精度和效率,研究了基于随机森林回归的煤矿瓦斯涌出量预测方法。采用bootstrap自助法重采样技术采集训练样本数据,构建随机森林回归模型,取决策树输出值的均值作为煤矿瓦斯涌出量预测结果,利用袋外数据评价回归模型预测性能。通过计算袋外数据残差平方均值和拟合优度,确定随机森林回归模型的最优超参数;采用袋外数据残差平方均值的增加量来表征特征变量的重要性,用累计影响权重达到90%的部分特征变量代替煤矿瓦斯涌出量的全部特征变量,筛选出采煤高度、煤厚、煤层瓦斯含量、采出率、埋深、日进度、开采强度、邻近层间距8个重要程度高的特征变量作为模型的输入变量。测试结果表明,采用全部特征变量和部分特征变量的随机森林回归模型均具有较好的预测性能,进行特征变量选择后,模型的平均绝对误差由0.22m3/min下降到0.21m3/min,平均相对误差由3.55%下降到3.47%。基于特征变量选择的随机森林回归模型在保证较好的预测性能的前提下,降低了预测模型特征变量的维度,减少了原始数据获取工作,提高了预测效率。     

RF-BiLSTM神经网络在海浪预测中的应用

由于风浪数据的随机性, 复杂性, 影响因素多, 多为时间序列的特点, 造成了传统预测模型预测难度大, 精确率低, 构建了基于随机森林的注意力机制与双向长短期记忆神经网络相结合的海浪预测模型. 该模型对输入进行优化, 可以使用过去和未来的数据信息进行预测, 提高了海浪波高的预测精度. 该模型利用随机森林对输入变量筛选优化, 降低网络复杂度, 然后将注意力机制与双向长短期记忆神经网络相结合建立预测模型, 并利用实际数据进行验证. 结果显示, 和BP, LSTM, BiLSTM模型比较, RF-BiLSTM模型的预测精度更高, 拟合程度更好, 在海浪数值的预测预报中有重要意义.     

基于梯度提升回归树的短时交通流预测模型

短时交通流预测是交通流建模的一个重要组成部分,在城市道路交通的 管理和控制中起着重要的作用。然而,常见的时间序列模型(如ARIMA)、随机森林(RF)模型在交通流预测方面由于被构建模型产生的残差和输入变量所影响,其预测精度受到限制。针对该问题,提出了一种基于梯度提升回归树的短时交通预测模型来预测交通速度。首先,模型引入Huber损失函数作为模型残差的处理方法;其次, 在输入变量中考虑预测断面受到毗邻空间因素和时间因素相关性的影响。模型在训练过程中通过不断调整弱学习器的权重来纠正模型的残差,从而提高模型预测的精度。利用某城市快速路的交通速度数据进行实验,并使用MSE和MAPE等指标将本文模型与ARIMA模型和随机森林模型进行对比,结果表明,文中所提模型的预测精度最好,从而验证了模型在短时交通流预测方面的有效性。     

膜生物反应器膜污染的随机森林预测模型

生物反应器( MBR)工艺在现代污水处理中扮演着重要的角色,然而膜污染严重影响了MBR工艺的性能,膜污染导致的最直接的后果就是膜通量的下降,膜通量的下降直接影响MBR污水处理的效果。为了有效、快速地预测MBR膜通量,利用随机森林( RF)算法建立MBR膜通量预测模型。选取影响膜通量的主要因子作为随机森林预测模型的输入,膜通量作为输出,建立MBR膜通量影响因素和MBR膜通量之间的非线性关系。首先利用训练集在随机森林预测模型上进行训练,然后用训练好的随机森林预测模型进行膜通量预测。通过预测数据和实验数据的对比,得出该算法对膜通量有较高的预测精度;为了进一步验证该算法的有效性,建立了BP神经网络预测模型,将两者进行比较,对比结果表明随机森林预测模型具有更高的预测精度。     

深度随机森林在离网预测中的应用

在电信运营商领域,离网预测模型是企业决策者用来发现潜在离网用户(即停用运营商服务)的主要手段。目前离网预测模型都是基于逻辑回归、决策树、神经网络及随机森林等浅层机器学习算法,但是在大数据的背景下,这些浅层算法在预测问题上很难取得更高的精度。因此,提出了一种新型的深层结构模型——深度随机森林,通过将传统浅层随机森林堆积成深层结构模型,获得更高的预测精度。在运营商真实数据上进行了大量实验,结果证明深层随机森林模型比传统浅层机器学习算法在离网预测问题上可以得到更好的效果。同时,增大训练数据量可以进一步提升深层随机森林的预测能力,从而证明了在大数据环境下深层模型的潜力。     

基于随机森林的大型公共建筑能耗混合预测模型北大核心CSCD

针对公共建筑能耗预测模型中影响变量相关性低、冗余性高的问题,提出了基于二氧化碳浓度的公共建筑人员流动率间接测量方法,以提高模型的预测精度,并提出了一种大型公共建筑能耗混合预测模型。首先利用LASSO变量选择算法筛选出与公共建筑能耗相关性高的影响因素,再引入改进的并行排序蚁群优化算法对随机森林预测模型的参数进行优化,进一步提高预测性能。最后,以西安某公共建筑监测数据为例进行预测分析。结果表明,人员流动率对公共建筑能耗预测有着重要的影响,所提模型的泛化能力强、预测精度高,可以为公共建筑节能优化提供有效的数据支撑。     

基于Pearson特征选择的随机森林模型股票价格预测

为了能够更好地预测股票的走向趋势,解决在大量特征和大数据下预测精度低的问题,在随机森林的基础上提出了一种基于Pearson系数的随机森林新的组合模型方法。利用Pearson系数进行相关性检验删除无关特征;使用改进的网格搜索法对决策树参数调优;利用随机森林将剩余特征进行建模回归预测,并得出最终结论。实验结果表明：改进后的随机森林在预测值的平均绝对误差（MAE）、均方误差（MSE）都得到了较大的提高。其中今世缘改进后的随机森林比传统随机森林的MSE值降低了56%,MAE值降低了37.3%,其他两只股票预测效果也均得到提高。新的组合模型,可以实现对股票价格的短期预测回归,并且能够降低噪声对股票价格预测的影响。该研究为更好地预测股票价格提供了有效证据并为投资者提供了对股票影响因素的选择。     

基于加权K-Means和局部BPNN的票房预测模型

电影作为典型的短周期、体验型产品,其票房收益受众多因素的共同影响,因此对其票房进行预测较为困难.本文主要构建了一种基于加权K-均值以及局部BP神经网络（BPNN）的票房预测模型对目前的票房预测模型存在的不足进行改进,从而提高票房预测的精度：（1）构建基于随机森林的影响因素影响力测量模型,并以此为依据对票房影响因素进行筛选,以此来简化后续预测模型的输入;（2）考虑到不同影响因素对票房的影响力不同的现实情况,为了解决以往研究中对影响因素权重平均分配的问题,本文构建了基于加权K-均值和局部BP神经网络的票房预测模型,以因素影响力为依据对样本数据进行加权的K-均值聚类,并基于子样本构建局部BP神经网络模型进行票房预测.实验证明,本文所构建的模型平均绝对百分比误差（MAPE）为8.49%,低于对比实验的10.39%,可以看出本文构建的基于加权K-均值以及局部BP神经网络的票房预测模型的预测结果要优于对比模型的预测结果.     

采用改进被囊群算法的多冷水机组负荷分配优化

为了降低中央空调系统的运行能耗,针对多冷水机组负荷分配优化问题,提出一种随机森林特征优选结合核函数极限学习机的冷水机组能效预测模型,通过剔除冗余特征提高预测精度;然后提出一种混合策略改进的被囊群算法,融合鲸鱼螺旋搜索策略改进个体更新方式,引入非线性动态权重平衡全局探索和局部开发,使用空翻扰动策略避免陷入局部最优;最后在能效模型的基础上,采用改进被囊群算法对多冷水机组负荷分配进行优化。实验结果表明,随机森林特征优选的方法可以有效的提高能效预测模型的准确度;改进被囊群算法通过优化机组的启停状态和负荷率可以有效发挥系统的节能潜力,与原有方法相比能耗降低约6%。说明该方法适用于多冷水机组的负荷分配优化问题。     

融合异常检测与随机森林的微博转发行为预测方法

针对目前微博转发行为预测具有的特征选择任意性、准确率不高的问题,提出了融合异常检测与随机森林的微博转发行为预测方法。首先,提取用户基本特征、博文基本特征、博文内容主题特征,并基于相对熵计算用户活跃度、博文影响力;其次,通过结合过滤式与封装式特征选择方法筛选出关键特征组;最后,融合异常检测与随机森林算法,依据筛选后的关键特征组进行微博转发行为预测,并利用袋外数据误差估计设置随机森林中的决策树和特征数。在真实新浪微博数据集上与基于逻辑回归、决策树、朴素贝叶斯、随机森林等算法的微博转发行为预测方法进行实验对比,结果表明所提方法的预测准确率(90.5％) 高于基准方法中最优的随机森林方法的预测准确率,同时验证了特征筛选方法的有效性。     

空间数据挖掘中的尺度转换研究

论述了尺度及尺度转换的概念。总结了地球科学领域尺度转换的一般理论、方法。提出了空间数据挖掘中的尺度转换问题,并探讨了其解决途径。     

小波变换的尺度自适应选择

提出了尺度自适应选择的概念，指出应该根据信号的不同而自适应地选择分解尺度。提出了3种选择准则，即距离准则、能量准则和相关系数准则。根据每一准则可以确定一个适应度函数，并采用遗传算法对分解尺度进行选择搜索，同时利用适应度函数评价不同尺度的分解效果，由此实现了尺度的自适应选择。实例分析结果表明，尺度自适应选择对于提高小波分析的效果是重要和必要的。     

大规模地貌场景的实时纹理合成

提出一种新的高效的大规模三维地貌纹理合成方法。把三维地貌场景进行透视变换投影到平面上,对这些平面上的三角网格赋一个连续的缩放因子场,把给定的纹理缩放成很多级别,使得可以和网格上的缩放因子相对应,按二维平面三角面片纹理合成的思想进行合成。实验表明,该方法在不拉伸纹理的同时能够达到实时,取得良好的视觉合成效果。     

多尺度边缘检测技术的分类及比较

本文综述了多尺度边缘检测技术：介绍了基本概念及有关理论；归纳了现有的各种多尺度边缘检测方法；     

OCS行车电子秤的设计

The composition, structure of the scale body, weighing instrument and transducer of the electronic scale for overhead crane are introduced． Several commonly used structures of the weighing body in electronic scale for overhead crane are emphasized． The system accuracy offered by different body structure is presented． The common structure and the forced conditions of the main components in such electronic scales are analyzed and the criteria should be followed in design are described．     

低功耗多功能电子秤

本文设计了一款低功耗多功能电子秤.以STM32L010K8T6单片机为主控,采用10kg量程称重传感器,采用专用称重芯片HX711,通过数字滤波与换算得到被称物品重量.人机交互采用4*4矩阵键盘.物品重量、单价、总价等数据采用LCD12864显示.系统选用了超低功耗单片机,设计了休眠与唤醒模式,改进了LCD12864背光、对比度控制电路.经测试,装置功耗低、精度高、实用性强.     

具有规模性的Anycast算法实现

为了解决因在IPv6网络层中引入Anycast通信服务而引起的互联网中的路由器中路由表项的规模性问题,文中给出了利用Anycast单独路由和预先分配固定Anycast地址以及Anycast地址归并和拆分算法几项技术.通过理论分析这几种技术较好地解决了因为引入Anycast而引起的Unicast路由表的急剧扩大以及路由性能急剧下降的问题,较好地解决了Anycast实现中遇到的规模性问题并提供了灵活的选择标准.文中给出的相关技术能够解决当前IPv6网络中Anycast实现中遇到的规模性问题,为IPv6的应用建立了基础.     

基于特征尺度及多尺度分解的纹理分割

在计算机视觉领域，纹理识别及分割是图像低层次处理中一个重要的问题。文章依据视觉信息处理的生理学理论，提出了一种新的纹理分析算法。该算法通过搜寻纹理图像的特征尺度并配合连续整数尺度滤波上的特征尺度统计对纹理进行分层分析。并基于特征尺度上的分层分析提出一种纹理分割算法。实验结果证明了该算法的有效性。     

遥感尺度选择问题研究进展

尺度效应是遥感应用分析中的一个重要因素,直接影响遥感分析的效果.遥感尺度选择问题已经引起国际遥感界的高度重视.本文首先明确了遥感尺度选择问题的范畴;然后分析了当前遥感尺度选择的方法,并对已有的方法进行了评价;最后就遥感尺度选择的研究方向给出了一些建议.     

差分GPS辅助里程仪标定刻度因子

针对一种软轴式高分辨率里程仪的刻度因子标定方法进行了较深入的试验研究.提出了用事后处理的DGPS来精确标定里程仪刻度因子的方法.多次试验结果表明,经标定后里程仪的纵向定位精度可以达到0.02%左右,袁明了该标定方法可以有效提高里程仪的刻度因子准确性,使里程仪有可能应用于高精度定位.另外,设计了同步数据采集电路及上位机软件,保证了位置与脉冲的同步性.