基于随机森林模型的房价预测

根据襄阳2012年的房贷数据,考虑影响房价的各种特征变量,尝试建立随机森林模型,利用其优秀的集成学习能力和泛化能力对测试样本进行房价预测,并与学者应用较多的ARMA模型及经典的多元线性回归模型预测的房价和实际房价进行对比,取得了较好的效果。     

层次分析法在密胺餐具安全风险评估中的应用

本研究以密胺餐具为研究对象,运用层次分析法对密胺餐具进行安全风险评估。结果表明:使用不当在密胺餐具安全风险评价中占较为重要的地位,产品自身的质量问题次之。作为日用品的密胺餐具,如果使用不当很可能会给消费者身体健康带来风险。     

基于PHA-LEC结合层次分析法的隧道施工风险评估

浅埋偏压隧道开挖时围岩受力特征复杂,施工难度大,施工风险高,科学合理地开展隧道施工风险评估工作可以很好地保障人员和财产安全。以郑万铁路重庆段人和隧道为依托,从隧道施工过程状态考虑风险发生的规律特征,运用预先危险性分析(PHA)结合作业条件危险性分析法(LEC)筛选出危险性最高的因素,并对此因素建立合理的隧道风险评估指标体系。结果表明,隧道原岩应力失衡危险性最高,危险性分值是其他危险因素的几倍之多。针对风险分析结果提出相应防范措施,同时采用层次分析法进一步评价影响原岩应力失衡的重要因素,并加以权重数量化描述,形成定性定量相结合的安全评估方法。     

基于层次分析法的招商评估模型研究

招商评估是帮助政府进行招商引资决策的重要辅助手段,但是当前的招商评估操作大部分都是人工完成的,不仅评估效率低下,而且评估结果不稳定,往往无法真实反映招商项目的优劣性。为了提高招商评估的可靠性,并加快评估的流程,介绍一种利用层次分析法建立招商评估模型的方法,从而实现基于计算机的自动化招商评估。     

基于层次分析法的旱情评估参数模型研究

利用层次分析法(AHP)对某市区、城乡结合部和农村缺水情况分别进行定量分析,通过量化评估参数,构建了旱情评估参数模型.利用该模型对旱情数据进行分析,可以为抗旱指挥决策者准确判断各区旱情、制定合理应对预案提供定量依据.     

人工神经网络和随机森林在回归问题中的应用比较

机器学习方法在回归问题中的应用十分广泛,人工神经网络(Artificial Neural Network,ANN)和随机森林(random forest,RF)均是经典的机器学习算法,在回归问题中均有众多的应用。神经网络和RF算法均为决策树算法的扩展,且均在解决回归问题中有着良好的精度。ANN是一种可以广泛应用于各个学科的经典机器学习算法;RF算法具有结构清晰、易于解释、运行效率高且对于数据要求低等优势,且RF模型具有稳定性较高,不易出现过拟合问题等特点。文章通过2个回归问题的案例,比较神经网络和RF算法在回归问题中的区别,为研究2种算法在回归问题中的应用提供参考。     

预测造纸废水出水指标的随机森林建模方法

出水化学需氧量(COD)与出水固形物含量(SS)是评价造纸废水处理工艺好坏的重要指标。为了更好地对其进行预测,提出了一种基于随机森林(RF)模型的方法,并以R语言为工具进行回归预测。对比偏最小二乘(PLS)模型、支持向量回归(SVR)模型、人工神经网络(ANN)模型等常规预测模型,发现RF模型具有预测精度高,结果误差小,泛化能力好,调整参数少等优点。在对出水COD进行预测时,RF模型的相关系数r为0.7954,相比于PLS、SVR、ANN分别提高了8.88%、10.73%、14.68%。在对出水SS进行预测时,RF模型的相关系数r为0.8551,相比于PLS、SVR、ANN分别提高了15.43%、24.25%、30.79%。     

AHP层次分析法在评估ERP项目风险中的应用

在项目风险管理过程中最为基础的便是风险评估,通过评估才能够保证EPR项目的有效实施。文章将对AHP层次分析法与EPR项目风险的概况进行分析,主要介绍项目中的软件风险、实施风险与管理风险,并阐述AHP层次分析法在评估EPR项目风险中的应用,旨在促进EPR项目的有序开展与高效实施。     

基于层次分析法的体育教学评价体系研究

体育教学评价体系是衡量体育教师教学工作综合水平的重要方法和手段,传统评价方法受主观影响较大,不能真实反应教师的实际水平。本层次分析法是建立体育教学评价模型,研究结果表明,教学效果的权重为0．21,教学方法0．20,教学态度0.20,三者对体育教学评价结果影响最大,而教学内容（0．12）及科研能力（0．10）的影响相对较小。     

基于层次分析法和熵权法的粮食系统评价模型

在世界快速发展下,粮食系统已有很大发展,但是粮食体系当下的状态并不尽如人意,发展可持续性迫在眉睫.为了使各国或地区对自己的粮食系统有一个全面而又明确的认识和衡量,我们从每个收入群体中选取5个具有代表性的国家,共构建了20个国家的样本.我们将层次分析法(AHP)和熵权法(EWM)相结合,构建了粮食系统评价模型.当我们选择...     

基于层次分析法和风险矩阵的进口酒类安全风险模糊综合评价

目的 为进一步提高海关监管部门对进口酒类安全风险的预测预警能力,保障我国食品安全,加速通关效率,构建进口酒类安全风险模糊综合评价模型。方法 基于调查结果,利用层次分析法计算各指标的权重,运用风险矩阵获得模糊隶属度矩阵,进行模糊综合运算得到各级指标风险值,同时模型引入动态调节因子,最终实现对具体批次进口酒的风险等级评价。结果 我国进口酒类安全风险等级为中风险,检测项目中甲醇风险值最高（82.917）,纳他霉素风险值最低（52.083）。结论 模型可根据进口酒类总体风险等级和检测项目风险值大小输出推荐检测项目,具有较高的可靠性,可为进口食品安全风险评价及管理工作提供参考。     

烟叶霉变的快速识别——基于近红外光谱与随机森林算法

为建立烟叶霉变快速识别模型,以复烤片烟为研究对象,在高温高湿条件下进行霉变实验,获得不同霉变程度的烟叶样本。应用近红外光谱技术在4000~12000 cm-1范围内对烟叶的近红外光谱进行采集,获得烟叶样本的基础光谱数据。采用小波分解法对基础光谱数据进行解析,选择中间频率小波系数[cd4, cd5]为光谱变量,利用随机森林算法建立了不同霉变烟叶的识别模型。模型对训练集预测准确率达到93.82%,独立测试集判别准确率达到94.84%,对未霉变样品、临近霉变样品和霉变样品的判别均取得了令人满意的结果。      

面向产品全生命周期评价环境决策模型研究

在ISO14000系列国际标准的基础上,提出了在数据清单分析和影响评价的过程中,利用模糊层次分析法建立产品全生命周期评价环境决策模型的方法。模型在获得产品全生命周期环境影响数据清单之后,通过对环境影响因子的权重 的确定,可以对产品的环境影响进行量化分析,并根据分析结果评价产品的环境影响值,从而实现产品环境友好度评价由定性向定量的转化。     

渝东北地区食品中典型酰胺醇类抗生素残留快速检测及风险评估

目的 建立食品中典型酰胺醇类抗生素残留的快速检测方法并对该类药物在渝东北地区的残留污染风险进行评估。方法 采用乙腈萃取食品基质中残留的酰胺醇类抗生素, QuEChERS法进行净化,超高效液相色谱-串联质谱法(ultra performance liquid chromatography-tandem mass spectrometry, UPLC-MS/MS)分析检测;同时应用层次分析法(analytic hierarchy process, AHP)对渝东北地区食品中酰胺醇类药物残留的污染风险进行评估。结果 Qu ECh ERS-UPLC-MS/MS检测技术精确度高,氯霉素、氟苯尼考和甲砜霉素在0.15～50.00μg/kg浓度范围内的线性相关系数均大于0.999,在0.15～50.00μg/kg浓度水平范围内的回收率分别为85.2%～100.9%、76.7%～90.6%、85.3%～96.7%,精密度均小于15%,检出限为0.10μg/kg,定量限为0.15μg/kg。求解AHP模型可知,渝东北地区酰胺醇类药物残留的食品污染风险程度为:氟苯尼考>甲砜霉素>氯霉素。其中,...     

Genetic parameters for a multiple-trait multiple-lactation random regression test-day model in Italian Holsteins

The objectives of this study were to estimate variance components for test-day milk, fat, and protein yields and average daily SCS in 3 subsets of Italian Holsteins using a multiple-trait, multiple-lactation random regression test-day animal model and to determine whether a genetic heterogeneous variance adjustment was necessary. Data were test-day yields of milk, fat, and protein and SCS (on a log₂ scale) from the first 3 lactations of Italian Holsteins collected from 1992 to 2002. The 3 subsets of data included 1) a random sample of Holsteins from all herds in Italy, 2) a random sample of Holsteins from herds using a minimum of 75% foreign sires, and 3) a random sample of Holsteins from herds using a maximum of 25% foreign sires. Estimations of variances and covariances for this model were achieved by Bayesian methods using the Gibbs sampler. Estimated 305-d genetic, permanent environmental, and residual variance was higher in herds using a minimum of 75% foreign sires compared with herds using a maximum of 25% foreign sires. Estimated average daily heritability of milk, fat, and protein yields did not differ among subsets. Heritability of SCS in the first lactation differed slightly among subsets and was estimated to be the highest in herds with a maximum of 25% foreign sire use (0.19 ± 0.01). Genetic correlations across lactations for milk, fat, and protein yields were similar among subsets. Genetic correlations across lactations for SCS were 0.03 to 0.08 higher in herds using a minimum of 75% or a maximum of 25% foreign sires, compared with herds randomly sampled from the entire population. Results indicate that adjustment for heterogeneous variance at the genetic level based on the percentage of foreign sire use should not be necessary with a multiple-trait random regression test-day animal model in Italy.     

纺织品固有风险评价体系的建立及应用

从纺织品国内外技术法规和检测标准研究出发,运用层次分析法,首次提出并建立了纺织品固有风险评价体系.该体系包含4个评价指标,能够给出纺织品固有风险评价指数和固有风险评价等级,通过对欧、美、日、中国以及国际纺织品固有风险评价指数的系统比较研究,发现欧盟纺织品固有风险最高,中国纺织品固有风险略低于国际标准水平;研究同时发现,欧美等发达国家纺织品固有风险仍处于固有风险等级的临界状态,而中国则处于不安全状态,这说明全球纺织品安全水平仍有待提高.     

基于随机森林的女性体型判别

针对目前服装行业亟待解决的服装合体性问题,为准确判断用户体型,分析730名年龄在18-50岁之间的女性体型数据,提取表征体型特征的六个重要因子;根据特征因子,从整体、局部和躯干轮廓三个层面对女性体型分类;在此基础上,以随机森林理论算法为基础,以R语言为实现工具,建立女性体型分类判别模型。结果显示,三个随机森林分类器的分类精度都较高,训练样本及测试样本的准确率均在85％以上,表明基于随机森林法建立的女性体型判别模型是可靠的;进一步通过随机森林对变量重要性的评估,筛选出表征女性形体指标的重要特征变量。     

基于Bagging-WOA-SVR的粮堆温度场预测模型

采用阵列式分布的测温电缆检测粮仓温度变化情况,利用机器学习技术来预测粮食温度,用粮仓一年监测数据来预测粮堆未来27天温度。传统的BP、RBF、RF、SVR单模型对粮堆温度进行预测存在误差大、泛化能力差等缺点,提出一种基于Bagging集成的鲸鱼算法优化支持向量回归模型(Bagging-WOA-SVR),并与灰狼算法优化支持向量回归模型作比较。将影响粮堆温度的多种因素做灰色关联分析,选取粮仓内温度、粮仓内湿度、粮仓外温度、粮仓外湿度、粮仓平均温度、地表温度作为神经网络的输入,粮堆平均温度作为预测输出,选取三个指标为评判标准,对比分析模型预测精度。结果表明：提出的Bagging-WOA-SVR模型相比之下有着较好的稳定性,均方误差为0.24,相关系数为0.9892。     

基于优化随机森林算法预测食品检验不合格指标

目的 食品不合格指标危害人类饮食健康,本文将数据挖掘技术应用于食品安全检测中。方法 通过收集山东省食药局官方网站下发的2015~2019年食品安全抽样检验产生的不合格数据,并对其进行多项数据预处理操作,采用超参数网格搜索和10折交叉验证方法建立了基于随机森林的食品不合格指标的分类预测模型,另外,通过对传统随机森林模型的参数优化,将其与决策树（DT）、逻辑回归（LR）和梯度提升决策树（GBDT）算法分类预测结果进行了对比。结果 实验表明经过参数优化后的随机森林模型对食品中不合格指标的预测准确率能够达到89.4%,比DT算法提高了11%,比LR算法提高了9%,比GBDT算法提高了8.1%。结论 基于优化的随机森林模型可以完成食品不合格指标分类预测任务,有广阔的应用前景。     

Genetic parameters for tunisian holsteins using a test-day random regression model

Genetic parameters of milk, fat, and protein yields were estimated in the first 3 lactations for registered Tunisian Holsteins. Data included 140,187; 97,404; and 62,221 test-day production records collected on 22,538; 15,257; and 9,722 first-, second-, and third-parity cows, respectively. Records were of cows calving from 1992 to 2004 in 96 herds. (Co)variance components were estimated by Bayesian methods and a 3-trait-3-lactation random regression model. Gibbs sampling was used to obtain posterior distributions. The model included herd × test date, age × season of calving × stage of lactation [classes of 25 days in milk (DIM)], production sector × stage of lactation (classes of 5 DIM) as fixed effects, and random regression coefficients for additive genetic, permanent environmental, and herd-year of calving effects, which were defined as modified constant, linear, and quadratic Legendre coefficients. Heritability estimates for 305-d milk, fat and protein yields were moderate (0.12 to 0.18) and in the same range of parameters estimated in management systems with low to medium production levels. Heritabilities of test-day milk and protein yields for selected DIM were higher in the middle than at the beginning or the end of lactation. Inversely, heritabilities of fat yield were high at the peripheries of lactation. Genetic correlations among 305-d yield traits ranged from 0.50 to 0.86. The largest genetic correlation was observed between the first and second lactation, potentially due to the limited expression of genetic potential of superior cows in later lactations. Results suggested a lack of adaptation under the local management and climatic conditions. Results should be useful to implement a BLUP evaluation for the Tunisian cow population; however, results also indicated that further research focused on data quality might be needed.