基于城郊环境下Okumura-Hata预测模型的校正与实现

由于移动通信系统性能受到无线信道的制约,影响无线信道的主要因素是无线传播的地理环境,移动通信中将地形特征划分为市区、郊区和乡村三大类型.文中根据对某城市郊环境下移动通信基站信号的实地测量,运用线性回归法对Okumura-Hata预测模型进行了校正,并通过与实测数据的仿真对比,证实其预测准确度得到了明显提高.     

基于SSA-RF的功耗预测

随机森林具有训练速度快、不容易过拟合、易于实现等优点成功应用于各种领域.针对在芯片设计后仿阶段需要对不同存储存储单元大小、电压、温度等情况进行功耗测试,并且测试一次的时间很长的问题,提出了一种基于麻雀搜索算法(SSA)与随机森林(RF)相结合的功耗预测方法.首先,对14 nmSRAM后仿的单元库进行表征,找出合适的特征变量,得到特征数据后构建训练测试集;然后对特征变量进行特征重要性分析,按照特征重要性排序;最后使用随机森林模型进行回归预测,并引入了麻雀搜索算法以寻找出均方根误差最小时的模型参数.与线性回归模型、支持向量回归模型等相比,SSA-RF收敛精度高并且训练速度快,SSA-RF模型的R2值为0.97左右.此外,在数据量较少的情况下其R2的值也能达到0.95左右,构建了一个较好的预测模型,为减少功耗测试时间提供了一种可行的方案,可以为设计人员留下更多的时间去优化电路.     

基于大数据建模的井筒压力温度梯度预测

本文运用大数据建模技术,选取塔里木盆地顺北油田生产井相关数据,使用线性回归、随机森林、XGBoost三种方法,利用VSAI大数据分析平台来预测单井井筒压力梯度和温度梯度,并与其测压数据实际值相比较.结果表明,随机森林模型和xgboost模型能够较准确的预测压力梯度和温度梯度的趋势变化,与xgboost模型相比,随机森林...     

随机森林算法对流域面积监测的适用性研究

基于R语言进行统计分析、回归建模,结合变量重要性排序、相关性分析等多种方法,分析了武汉市市内流域（长江、汉江）面积变化的影响因素,建立了流域面积监测随机森林回归模型。与多元线性回归模型、支持向量回归模型的对比结果表明,随机森林回归模型拟合优度更高,平均绝对误差更低,这说明随机森林算法在流域面积监测研究中具有较高的适用性。     

基于ARIMA模型的风景区5G用户数预测及网络规划

根据无线信号的传播特点,对风景区进行归类,并以丽江古城为例,参考历史日均游客数量、5G用户渗透率、市场占有率等指标,采用基于季节调整的ARIMA(差分自回归移动平均)模型对景区日均5G用户数量进行预测,并根据实际的5G出账用户数验证预测结果的正确性.最后根据用户数预测结果,从容量、覆盖、频率等方面对典型旅游场景下的网络...     

基于4G MR无线话单的贝叶斯室内定位技术研究和应用

研究基于4G MR无线话单的贝叶斯机器学习室内定位方法,构建一套4G MR无线话单贝叶斯机器学习定位算法模型和处理流程,在分析4G无线信号特征的基础上,提出高斯正态随机分布无线信号特征处理方法,准确可靠地提取出室内外参考样本信号的无线特征模型,在此基础上研究了可应用于无线随机信号特征的贝叶斯室内定位算法,有效提升移动网络室内外定位的精准度和可靠性,有力支撑了移动网络运营分析和优化建设工作.     

基于激光诱导击穿光谱与随机森林识别GCr15钢的硬度

通过热处理工艺制备了6种不同回火温度的GCr15钢样品,通过对样品的光谱特性进行分析,发现谱线强度的比值与样品的硬度之间存在线性相关性,并且这种相关性的大小与所选择的分析谱线有关。因此,提出将激光诱导击穿光谱与随机森林算法相结合的方法,对样品的硬度进行研究。利用两种特征选择方法建立了不同的随机森林模型,结果表明,当基于主成分分析选择特征时,所建立的随机森林模型不能对样品的硬度进行正确的识别,而当基于变量重要性提取特征时,所建立的随机森林模型能有效识别样品硬度,并且调节随机森林模型的参数可以使模型的性能得到进一步提高。研究结果表明,激光诱导击穿光谱与随机森林算法相结合是一种新颖的硬度测量技术,可以应用于工程中钢的性能评估。     

基于随机森林回归分析的脉管制冷机性能预测模型

为了探索星载脉管制冷机相关参数对制冷性能的影响和提高制冷性能的一致性,建立了基于机器学习的随机森林回归(Random Forest Regression,RFR)模型,然后对制冷性能与各个自变量进行了回归预测.制冷性能预测的平均相对误差为5.62％,平均确定性系数为0.805.按照特征重要度从高到低排序,前两位分别为丝...     

移动无线传感网恶意数据包传播随机模型

该文基于随机元胞自动机理论研究移动无线传感器网络中恶意数据包的传播行为.依据移动无线传感器网络的信息扩散机制,设计节点移动模型、无线信道分配算法、信号干扰模型和恶意数据包传播模型,定义移动传感器网络环境下的元胞空间、元胞邻域、元胞状态以及状态转换规则,提出移动无线传感器网络中恶意数据包传播的随机元胞自动机模型,研究在不确定环境下恶意数据包传播的时空特征.研究结果表明该模型能够有效预测恶意数据包传播的趋势和空间分布状态,有效克服基于马尔科夫随机场理论、常微分方程或差分方程建立的恶意数据包传播模型而无法描述恶意数据包传播的空间分布状态的不足.     

基于改进随机森林优化算法在医疗数据中的应用研究

本文针对临床疾病预测过程中医疗临床数据特征因子相关性较强,模型调参工作较为复杂的问题,提出一种多模型复合优化方法.考虑到过多的强相关性特征因子很容易降低模型的运行效率,利用SelectKbest变量筛选算法对临床数据进行筛选,采用遗传算法对随机森林分类器模型的参数选择进行优化.最后,以乳腺癌的临床数据为例,实验证明通过以上方法优化后算法模型的精准值、召回率、F1分值、AUC值等方面均有提高,该提出的超参数调优方法为具有强共线性的临床数据处理和疾病预测提供了一种新思路.     

基于DBSCAN和随机森林的单词记忆检索难度预测研究

单词记忆检索是指人在记忆中搜索到一个单词的过程，是单词学习的重要方面。目前关于单词记忆检索的研究非常有限。文中提出一种基于DBSCAN聚类和随机森林的单词记忆检索难度预测模型，通过仿真程序和机器学习算法，从单词自身特征出发预测单词记忆检索的难度。首先开发一个单词记忆检索仿真程序，根据仿真程序结果以及单词的字母组成结构、词性、使用频率构造特征向量，训练一个随机森林回归模型集用于预测单词记忆检索难度七维向量表达。另外，使用DBSCAN聚类算法获取单词难度标签，在此基础上训练一个随机森林分类预测模型用于预测单词的难度分类。实验结果表明：回归模型集平均拟合优度R²值达到了0.906；分类预测模型准确率达到了0.985；模型整体具有较好的鲁棒性。     

基于连续小波和随机森林的原发性肝癌放疗后乙肝病毒再激活的分类预测

原发性肝癌(PLC)患者精确放疗后乙肝病毒(HBV)再激活是一种常见的并发症,影响患者预后,危及患者的生命.通过连续小波进行去噪,然后再通过随机森林对特征重要性的排序找出引发乙肝病毒再激活的危险因素,给医生提供参考,进而提前进行预防治疗,降低病毒再激活的发病率.首先对原始数据集进行连续小波变换,之后使用随机森林进行关键特征的选取,将随机森林模型下的特征按照重要性进行排序,选取重要性最高的5个特征组成关键特征子集,然后将新的特征子集用随机森林分类器进行分类预测.实验结果表明随机森林选取HBV DNA水平、TNM肿瘤分期、V10、V20、外放边界这5个关键特征作为致使乙肝病毒再激活的危险因素组合时,进行小波变换后,3折交叉验证下预测精度最高达到82.96％.本次研究表明,小波变换后可以有效地降噪,随机森林可以通过评估变量的重要性,选出关键特征,很好地用于解决乙肝病毒再激活分类预测问题.     

基于RFR辅助的因子图组合导航算法

针对在INS/GNSS组合导航系统中,由GNSS自身故障或外部环境遮挡造成的信号缺失问题,提出了一种利用随机森林回归辅助因子图的组合导航算法。首先,采用因子图算法对惯性导航系统、全球导航卫星系统进行建模,搭建了INS/GNSS组合导航的因子图模型。其次,引入随机森林理论搭建随机森林,并在GNSS信号有效时进行训练,模拟卫星导航失效时的GNSS信号输出值。最后设计了仿真实验,结果表明：改进的因子图算法相比联邦卡尔曼滤波算法在导航精度上有了10%～15%不等的提升,同时,所提出的随机森林回归辅助因子图算法在GNSS信号丢失的情况下仍能保持较高精度。     

基于随机森林算法的智能NB-IoT覆盖评估

介绍了一种基于随机森林算法的智能NB-IoT覆盖评估新方法,通过人工智能算法解决了NB-IoT覆盖评估不精确的难题.首先从理论推导和实测矫正2个方面介绍了目前NB-IoT覆盖评估一般所采用的线性评估方法,然后介绍了基于随机森林算法的数据获取和模型构建,最后对比了NB-IoT覆盖线性评估方法和随机森林算法模型评估方法的结...     

室内单载波太赫兹无线信号传播及覆盖性能分析

针对太赫兹无线信号与传统频谱的差异性制约其应用于室内通信场景的问题,提出了一种室内太赫兹无线信号传播的修正模型,并分析了宽带单载波太赫兹无线信号传播及覆盖性能.具体地,考虑障碍物厚度导致的吸收损耗问题,建立了宽带太赫兹信道传递函数模型.基于射线追踪技术,阐明了障碍物厚度、信号带宽对上述性能的影响.研究表明,非视距障碍物...     

基于RFR的Ti-6Al-4V激光超声微观组织特征检测

基于激光超声检测系统,研究了Ti-6Al-4V钛合金板材微观组织特征对纵波速度的影响。根据电子背散射衍射(EBSD)技术得到不同热处理条件下试样的微观组织特征。采用变分模态分解(VMD)方法对激光超声信号进行降噪,以微观组织特征作为自变量,纵波速度作为因变量建立随机森林回归(RFR)模型,得到了对超声速度影响的特征重要性排名。研究结果表明：VMD信号处理方法能够很好地保留激光超声纵波信号,以完全再结晶比例和纵波速度进行拟合,小角晶界含量和平均晶粒尺寸的变化能够较好地解释偏离点,当特征重要性小于0.331 1时,微观组织特征和声速相关性很弱。     

监督学习在无线认知传感器网络中的应用

监督学习是指利用一组已知类型的训练数据(输入对象和预期输出)对学习系统进行训练,调整分类器的参数,预测新输入的输出值。机器学习可用于无线认知传感器网络中的学习引擎设计和MAC(媒体访问控制)协议分类。文章介绍线性回归、Logistic回归、人工神经网络、决策树学习、随机森林、朴素贝叶斯分类器、支持向量机等常用监督学习算法的原理,并简要分析机器学习在无线认知传感器网络中的应用场景。     

基于小波数据压缩的光谱技术在水质分析中的应用

一定浓度氮磷水样的紫外吸收光谱数据量非常大,采用基于软阈值的小波变换可以对这些光谱数据进行有效压缩.不同浓度氮磷水样的紫外吸收光谱信号之间存在很强的相关性,利用偏最小二乘回归(PLSR)方法对光谱信号的强度和水样中氨氮浓度之间的关系进行回归建模可以降低这种相关性的影响,提高所建模型的拟合精度.实际水样测试数据的建模结果表明,用这种方法所建立的模型,氮磷浓度检测的最大相对误差为8.9%,完全满足检测精度的要求.     

电波传播模型介绍分析

地面电视广播发射的无线电波以大气作为无线信道进行信号的传递。在地面电视广播规划的覆盖和干扰分析过程中,需要对信号场强进行预测,因此针对无线电波的传播特性,建立相关电波传播模型对地面电视广播规划非常关键。本文简要介绍几种地面电视广播规划计算所使用到的电波传播模型。     

移动通信网络中的无线室内解决方案

<正> 1 无线室内解决方案的引入 随着移动通信网络规模日益扩大,室外宏蜂窝基站密度大量增加,覆盖已基本做到无缝连接,网络质量也得到改善和提高。然而,网络的室内覆盖还相对较差,特别是在城市中,由于大量建筑对信号的阻挡、衍射和吸收,使无线信号强度大幅衰减,造成室内信号覆盖强度弱甚至无信号,话音质