“xgboost”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1478个，建议您升级VIP下载更多相关专利

[发明专利]一种基于XGBoost算法的锂电池剩余寿命预测方法-CN202010845212.5在审
发明人：马正阳;刘明威;程钏;徐凡;娄维尧;杨克允;沈伟健;林韩波;蔡姚杰 -专利权人：浙江工业大学
申请日： 2020-08-20 - 公布日： 2020-11-27 - 主分类号： G01R31/36 文献下载
摘要：本发明公开了一种基于XGBoost算法的锂电池剩余寿命预测方法，包括如下步骤：1)特征提取：对锂电池运行过程中产生的数据进行监测，从中提取锂电池充电的电压时间序列数据，并根据需要对提取的电压时间序列数据进行特征生成；2)构建模型：建立基于决策树的XGBoost模型，决策树采用分类与回归树CART；根据训练数据不断生成CART来拟合上一棵CART产生的残差，最终集成所有CART即为最终XGBoost集成模型；3)训练并预测：将所提取的特征送入基于决策树CART的XGBoost模型进行训练，并将训练后的模型用于锂电池RUL的预测。
一种基于 xgboost 算法锂电池剩余寿命预测方法

[发明专利]一种基于XGBoost算法的核电管道故障识别方法-CN202110599566.0在审
发明人：唐樟春;余明东;丁林飞;刘亚鹏;吴文锋 -专利权人：电子科技大学
申请日： 2021-05-31 - 公布日： 2021-09-07 - 主分类号： G06K9/00 文献下载
摘要：该发明公开了一种基于XGBoost的核电管道故障诊断方法，属于机械设备故障诊断领域。通过对所述正常数据信号和故障数据信号进行滤波，筛选出了适用于XGBoost算法的管道敏感特征，将多个所述数据集作为样本数据，采用XGBoost算法对样本数据进行训练，得到管道故障诊断模型；通过轴承故障诊断模型诊断得出管道设备的故障结果数据实测(共28组正常数据，25组共振状态数据，93组汽蚀状态数据，32支撑刚度不足数据)表明XGBoost算法针对管道诊断总准确率达到91.5％，其中正常状态的准确率为89.3％，共振状态的准确率为92
一种基于 xgboost 算法核电管道故障识别方法

[发明专利]一种基于大数据的学情预测方法-CN202111414779.8在审
发明人：王鑫宁;赵宇奔 -专利权人：中国海洋大学
申请日： 2021-11-25 - 公布日： 2022-03-11 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于大数据的学情预测方法，该方法包括如下步骤：通过学情特征选择与数据预处理，得到学情样本数据集并分成训练集和测试集；然后搭建XGBoost学情预测模型，并基于鲸鱼优化算法和灰狼优化算法，利用训练集对模型的超参数分别进行调优，得到相应的超参数向量，并进一步基于鲸鱼优化算法和灰狼优化算法得到的超参数向量，得到XGBoost学情预测模型的最优超参数，完成模型训练；然后将测试集中的测试样本输入到训练好的XGBoost学情预测模型中，判断模型能否达到预期的预测效果，如果符合预期的预测效果，则利用训练好的XGBoost学情预测模型进行学情预测。
一种基于数据预测方法

[发明专利]基于XGBoost电力系统动态频率响应曲线预测方法及系统-CN202111464332.1在审
发明人：司瑞华;邵红博;王传捷;于琳琳;王泽;张丽华;李甜甜;刘万勋 -专利权人：国网河南省电力公司经济技术研究院;国家电网有限公司;湖南大学
申请日： 2021-12-03 - 公布日： 2022-03-04 - 主分类号： G06Q10/04 文献下载
摘要：本发明提出了一种基于XGBoost电力系统动态频率响应曲线预测方法及系统，其方法步骤为：首先，基于海量预想故障场景的模拟结果获取多样化数据库，并将多样化数据库随机划分为训练数据集和测试数据集，分别对两个数据集进行归一化处理；其次，基于XGBoost集成学习模型构建频率响应曲线预测器，并利用贝叶斯优化模型确定最佳超参数；最后，利用训练数据集对频率响应曲线预测器进行迭代学习，并利用训练好的频率响应曲线预测器对给定预想故障或当前运行状态下的系统动态频率响应进行在线评估本发明XGBoost模型降低了对样本的依赖性；通过贝叶斯优化实现XGBoost模型中超参数的自动调优，实现了扰动事件下整条频率响应曲线的预测。
基于 xgboost 电力系统动态频率响应曲线预测方法系统

[发明专利]基于LightGBM和XGBoost组合模型的飞灰含碳量软测量方法-CN202210318954.1在审
发明人：刘军平;骆海瑞;彭涛;胡新荣;何儒汉;朱强;张俊杰;熊明福 -专利权人：武汉纺织大学
申请日： 2022-03-29 - 公布日： 2022-08-12 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于LightGBM和XGBoost组合模型的飞灰含碳量软测量方法，包括：1)清除DCS数据中明显错误值与使用数据挖掘技术提取稳态数据；2)在飞灰含碳量软测量中，利用特征工程中的相关矩阵与包装法解决冗余特征问题；3)将处理好的数据集结合LightGBM、XGBoost和贝叶斯优化(BO)算法进行飞灰含碳量预测建模，选出最优超参数，提高预测精度。4)使用序列最小二乘规划算法组合BO‑XGBoost和BO‑LightGBM模型。相比于一般的飞灰含碳量软测量模型，本发明提出了更细致和合理的特征处理方法，剔除了冗余特征，更有利于后续预测建模。采用序列二乘规划算法组合LightGBM、XGBoost模型，使得模型泛化能力更强，预测精度更高，同时在飞灰含碳量软测量任务中所取得的效果相比于传统的方法更好。
基于 lightgbm xgboost 组合模型飞灰含碳量软测量方法

[发明专利]一种基于XGBoost模型的地表温度重建方法-CN202210453355.0在审
发明人：刘法 -专利权人：中国科学院地理科学与资源研究所
申请日： 2022-04-27 - 公布日： 2022-07-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于XGBoost模型的地表温度重建方法，包括以下步骤：步骤S1、准备地面气象观测数据并进行数据预处理，按照类别存储为不同气象要素；步骤S2、对步骤S1气象要素与地表温度的相关性进行排序，选取影响地表温度的主要气象要素构建气象要素数据集；步骤S3、利用步骤S2筛选的气象要素数据集对XGBoost地表温度模型进行训练；步骤S4、通过网格搜索和K折交叉验证寻找XGBoost地表温度模型的最佳参数；步骤S5、利用训练好的XGBoost地表温度模型对地表温度进行重建。
一种基于 xgboost 模型地表温度重建方法

[发明专利]一种基于XGBoost的癌旁组织中DNA甲基化预测方法-CN202210837114.6在审
发明人：马宝山;刘玉;张树正;李奥;郭悦吉;王赟杰 -专利权人：大连海事大学
申请日： 2022-07-15 - 公布日： 2022-11-01 - 主分类号： G16B20/30 文献下载
摘要：本发明公开了一种基于XGBoost的癌旁组织中DNA甲基化预测方法，包括获取癌组织、癌旁组织甲基化数据集，构建癌组织、癌旁组织训练矩阵以及癌组织、癌旁组织测试矩阵；获取癌旁组织训练矩阵中所有CpG位点的相关CpG位点集合，构建训练特征数据集；获取癌旁组织测试矩阵中所有CpG位点的相关CpG位点集合，构建测试特征数据集；构建XGBoost模型，通过训练特征数据集训练XGBoost模型，根据训练后的XGBoost
一种基于 xgboost 组织 dna 甲基化预测方法

[发明专利]一种风电消纳能力预测及优化方法及系统-CN202310295493.5在审
发明人：郑少雄;薛志恒;张朋飞;陈会勇;孙伟嘉;何欣欣;杨可;吴涛;孟勇;赵杰;王伟锋;赵永坚 -专利权人：西安热工研究院有限公司
申请日： 2023-03-23 - 公布日： 2023-06-23 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于深度神经网络算法的风电消纳能力预测及优化方法，充分利用历史数据对风电消纳能力进行预测，并分析影响消纳能力的关键因素，提出了基于DNN‑XGBoost的风电消纳能力组合预测模型。分别建立DNN风电消纳预测模型与XGBoost风电消纳预测模型，采用网格搜索法分别对DNN模型的隐藏层数与神经元数参数以及XGBoost模型的Booster参数进行优化；结合DNN模型的预测准确性与XGBoost
一种风电消纳能力预测优化方法系统

[发明专利]GPP估算模型的构建方法-CN202211184260.X在审
发明人：姜佳菲;韩舸;蔡孟阳;应家莹;王亨源 -专利权人：武汉大学
申请日： 2022-09-27 - 公布日： 2023-01-10 - 主分类号： G06Q50/26 文献下载
摘要：获取日光诱导叶绿素荧光SIF产品数据和当地对应的GPP数据库，再与研究区的植被数据、气象数据结合形成数据集，对数据集进行预处理，并将处理后的数据划分为训练集、验证集和测试集；选择现有的GPP模型，采用XGBOOST模型在现有的GPP模型中加入SIF特征因子、植被特征因子、气象特征因子，并采用训练集训练XGBOOST模型的参数；采用验证集验证并进一步调整XGBOOST模型的参数；将测试集进行数据重采样并进行自举随机选取，导入到步骤3得到的XGBOOST模型进行遍历迭代得到最优的GPP估算模型。
gpp 估算模型构建方法

[发明专利]一种基于XGBoost的多尺度特征融合遥感图像分类模型-CN202210792488.0在审
发明人：赵俊豪;徐蔚鸿 -专利权人：长沙理工大学
申请日： 2022-07-05 - 公布日： 2022-11-01 - 主分类号： G06V10/764 文献下载
摘要：本发明提出了一种新的基于XGBoost的多尺度特征融合遥感图像分类模型——XMV‑Net。传统的MobileVit仅通过全连接层构建的单层分类器容易受到图像噪声的干扰，从而导致分类精度降低，因此本发明采用高精度的集成模型XGBoost替代它的全连接层。为了进一步提高模型性能，首先在MobileVit网络中加入辅助分类器，以及通道、空间注意力机制，形成New‑MobileVit网络以用于遥感图像的多尺度特征提取；然后使用粒子群算法对多尺度特征信息维度以及XGBoost六个基本参数进行优化；最后使用优化后的XGBoost模型对特征选择后的多尺度信息进行分类。
一种基于 xgboost 尺度特征融合遥感图像分类模型

[发明专利]一种无检测器路段的车辆轨迹预测方法及系统-CN202310767701.7在审
发明人：肖紫云;陈彬;陈楠;黄奚芳;孙婷婷;刘学;胡佳;刘逸凡;周哲峰;胡海斌;段创峰 -专利权人：上海城建信息科技有限公司
申请日： 2023-06-27 - 公布日： 2023-09-12 - 主分类号： G08G1/01 文献下载
摘要：本发明涉及一种无检测器路段的车辆轨迹预测方法，包括以下步骤：S1：收集目标无检测器路段的真车历史数据；S2：根据真车历史数据初始化预测驶出时间的XGBoost模型和预测目标车道的XGBoost模型的训练参数；S3：将训练参数输入两个模型进行训练，使预测驶出时间的XGBoost模型输出虚拟车辆的预测驶出时间，使预测目标车道的XGBoost模型输出虚拟车辆的预测目标车道；S4：输入实际参数，根据两个不同的模型分别得预测驶出时间和预测目标车道
一种检测器路段车辆轨迹预测方法系统

[发明专利]一种基于数据样本图像化的数据甄别的方法与系统-CN202111370028.0有效
发明人：邵俊;张磊 -专利权人：深圳索信达数据技术有限公司
申请日： 2021-11-18 - 公布日： 2022-02-18 - 主分类号： G06F16/21 文献下载
摘要：对第一数据集进行结构引力成像处理，将结构化数据转换为二维彩色等高线轮廓图；选取全部正样本对应的轮廓图，并使用GAN方法生成更多的正样本，以使得样本的正负比例趋于均衡；从二维彩色等高线轮廓图中提取低维特征向量，基于用户信息构建新的XGBoost第二XGBoost模型；基于新的XGBoost第二XGBoost模型进行数据甄别。
一种基于数据样本图像甄别方法系统

[发明专利]一种基于Logistics回归和Xgboost模型的航空发动机故障预测方法-CN201911232336.X有效
发明人：许政;毕茂华;封桂荣 -专利权人：超越科技股份有限公司
申请日： 2019-12-05 - 公布日： 2022-03-22 - 主分类号： G01M15/00 文献下载
摘要：本发明公开了一种基于Logistics回归和Xgboost模型的航空发动机故障预测方法，其特征在于，包括：获取飞机的若干发动机参数所组成的数据集；根据若干发动机参数构建时序数据集；对时序数据集进行特征提取；对时序数据集中对应发动机故障的数据进行人工标记；根据标记的若干时序数据集构建基于Xgboost模型的航空发动机故障预测模型；获取已知航空发动机故障的真实数据集，将真实数据集通过基于Xgboost模型的航空发动机故障预测模型得到结果值本发明采用基于Xgboost集成学习模型和Logistics回归模型对航空发动机进行发动机故障预测，可有效预测航空发动机的故障情况。
一种基于 logistics 回归 xgboost 模型航空发动机故障预测方法

[发明专利]一种基于XGBoost算法的热线智能派单方法-CN202011436852.7有效
发明人：王晓芹;邢生阳 -专利权人：浪潮云信息技术股份公司
申请日： 2020-12-11 - 公布日： 2023-04-07 - 主分类号： G06Q10/0631 文献下载
摘要：本发明特别涉及一种基于XGBoost算法的热线智能派单方法。该基于XGBoost算法的热线智能派单方法，先找到案件发生地址和案件描述；用自然语言处理技术对案件属性进行标准化处理，应用到XGBoost算法中，经过多次训练和优化，最终得到准确率较高的分类模型；当有新的热线案件时该基于XGBoost算法的热线的热线智能派单方法，先对历史数据进行数据清洗，形成历史样本集；然后对历史样本中智能派单方法，减少了热线派单过程的人工经验依赖，提高了派单的准确率和效率，从而节省了人力资源，
一种基于 xgboost 算法热线智能方法

[发明专利]基于改进XGBoost模型的资源需求预测方法-CN202110563630.X有效
发明人：肖楚铭;吴维刚;尹烨;常红立 -专利权人：中山大学;腾讯科技（深圳）有限公司
申请日： 2021-05-24 - 公布日： 2023-05-23 - 主分类号： G06F9/50 文献下载
摘要：本发明为克服采用XGBoost模型进行资源需求预测时存在输出限定在一定范围内，导致无法准确预测时序模式的缺陷，提出一种基于改进XGBoost模型的资源需求预测方法，包括以下步骤：采集集群中所有容器的时间段T内的多维度时序数据；将多维度时序数据输入XGBoost模型中，得到每棵回归树的输出W；将多维度时序数据输入第一卷积神经网络中学习时序的模式，确定每棵回归树的权重H；将多维度时序数据输入第二卷积神经网络中提取时序中的数据特征，并根据时序的数据特征所述得到偏移值B；根据XGBoost模型中每棵回归树的输出W及其对应的权重H进行加权相加，进一步结合偏移值B得到下一时刻的资源需求预测结果。
基于改进 xgboost 模型资源需求预测方法