“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算法的滑坡短临智能预警方法-CN202010659730.8在审
发明人：赵文祎;张鸣之;马娟;齐干;邢顾莲;朱赛楠 -专利权人：中国地质环境监测院
申请日： 2020-07-09 - 公布日： 2020-10-16 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于XGBoost算法的滑坡短临智能预警方法，涉及滑坡监测预警和机器学习领域。本发明首次将XGBoost算法应用于滑坡短临智能预警领域。具体包括实时采集滑坡体特征数据，由此构建滑坡体特征向量；所述的滑坡体特征向量包括降雨量、土壤含水率，以及滑坡体地表变形特征；XGBoost模型根据预测日之前的历史时间序列构建的滑坡体特征向量、预测日当天天气预报预测的降雨量对预测日当天的滑坡体地表变形特征进行预测
一种基于 xgboost 算法滑坡智能预警方法

[发明专利]数据稳定性监控方法、装置、计算机设备及介质-CN202010797908.5在审
发明人：张浩然;张跃 -专利权人：中国平安人寿保险股份有限公司
申请日： 2020-08-10 - 公布日： 2020-11-17 - 主分类号： G06K9/62 文献下载
摘要：所述方法包括：通过从不同的数据源头进行历史数据采集，得到初始数据，其中，初始数据包含来源标签的属性，计算初始数据中每个特征的信息值IV，并根据信息值IV筛选出监控特征，根据监控特征和来源标签，构建多层XGBoost模型，并采用初始数据中的监控特征，对多层XGBoost模型进行训练，得到训练结果，按照预设周期，从不同的数据源头进行实时数据采集，得到周期监控数据，将周期监控数据输入到多层XGBoost模型进行分析，得到分析结果
数据稳定性监控方法装置计算机设备介质

[发明专利]基于深层特征组合的电网新能源消纳能力预测方法-CN201910724451.2在审
发明人：李寒;刘晨;杨中国;黄越辉;李驰;王跃峰;雷震;郝雨辰;金鑫 -专利权人：北方工业大学;中国电力科学研究院有限公司;国网江苏省电力有限公司
申请日： 2019-08-01 - 公布日： 2020-10-02 - 主分类号： G06Q10/04 文献下载
摘要：包括两部分内容，分别为特征选择与特征组合；第一阶段，特征选择；首先从数据中提取特征，作为模型的输入，然后经过方差特征选择去掉方差小的特征，接着使用递归式特征消除进行特征选择；第二个阶段，特征组合；通过XGBoost与LightGBM方法来组合特征，建立了一个混合模型，将由XGBoost和LightGBM算法产生的预测结合起来，进行集成预测，XGBoost与LightGBM模型中的参数是通过网格搜索技术进行优化调整的
基于深层特征组合电网新能源能力预测方法

[发明专利]基于改进集成经验模态分解与XGBoost模型的光纤周界信号特征识别方法-CN202011397826.8在审
发明人：严爱博;宛立君;周广喆;纪然然;李博 -专利权人：中国船舶重工集团公司第七一五研究所
申请日： 2020-12-04 - 公布日： 2021-06-18 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于改进集成经验模态分解与XGBoost模型的光纤周界入侵振动信号特征分类识别方法。解决现有光纤周界系统中入侵信号特征提取复杂、分类识别耗时以及样本特征数量少导致识别准确率低的问题。本发明对获取到的典型入侵事件进行时间维度截取，得到单个空间点的一维时间序列，构建典型入侵信号样本集；提出一种基于改进的集成式经验模态分解的光纤振动信号特征提取方法，获得入侵事件信号的本征模态分量，将其作为特征训练集；构建XGBoost最后，在XGBoost模型中输入样本测试集，得到入侵事件分类结果。
基于改进集成经验分解 xgboost 模型光纤周界信号特征识别方法

[发明专利]一种基于XGBoost算法的用电短期负荷波动预测方法及系统-CN202110433502.3在审
发明人：方力谦;罗陆宁;严玉婷;许丹枫;李燕;何林荫;常碧玉;张月英;贝炯尧;郑林灵;刘悦峰;罗建国 -专利权人：深圳供电局有限公司
申请日： 2021-04-19 - 公布日： 2021-08-03 - 主分类号： G06Q10/04 文献下载
摘要：本发明提出一种基于XGBoost算法的用电短期负荷波动预测方法，包括步骤：步骤S1，进行历史数据收集；步骤S2，对历史数据进行预处理，构造数据属性并形成建模数据；步骤S3，根据建模数据定义模型学习目标函数、回归树生成参数，构造用于负荷预测的XGBoost模型；步骤S4，将建模数据按设定的比较划分为训练集和验证据集，对XGBoost模型进行训练学习和验证，并获得期望的XGBooster参数，形成预测模型；
一种基于 xgboost 算法用电短期负荷波动预测方法系统

[发明专利]运行状态预测方法、系统、设备及计算机可读存储介质-CN202110747345.3在审
发明人：张凡;谢渊;李杰;刘斌;郭宇翔;傅慧初 -专利权人：珠海埃克斯智能科技有限公司
申请日： 2021-06-30 - 公布日： 2021-09-07 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种运行状态预测方法、系统、设备及计算机可读存储介质，该方法包括：获取工厂生产设备的运行状态数据以及运行状态数据对应的时间节点，根据运行状态数据和时间节点确定训练数据；基于所述训练数据，对xgboost算法模型进行训练，确定xgboost算法模型对应的模型评估值；若模型评估值大于第一预设阈值，训练xgboost算法模型完成，得到设备状态预测模型；基于设备状态预测模型，对工厂生产设备的运行状态进行预测，
运行状态预测方法系统设备计算机可读存储介质

[发明专利]一种基于多粒度特征和XGBoost模型的短期负荷预测方法-CN202110016829.0在审
发明人：崔婧;曹敏;刘斯扬;聂永杰;赵娜;李婷;李博;唐标;尹春林;杨政 -专利权人：云南电网有限责任公司电力科学研究院
申请日： 2021-01-07 - 公布日： 2021-04-16 - 主分类号： G06Q50/06 文献下载
摘要：本发明涉及一种基于多粒度特征和XGBoost模型的短期负荷预测方法，包括以下步骤：采集待预测地区电力系统的历史短期负荷数据；分析历史短期负荷数据的波动影响因子，获取日期粒度信息和气象粒度信息；利用Pearson相关系数计算出日期粒度信息和气象粒度信息的多维粒度与短期负荷的相关性；根据相关性选出相关性高的特征组合；通过XGboost模型对筛选出来的相关性高的特征组合预测短期负荷。本发明使用了Pearson相关系数选取了多粒度相关性较高的特征作为输入，降低了模型的复杂度，并使用XGBoost作为预测模型，因此能够处理大规模数据分类问题，具有准确性高、不易过拟合、可扩展性高。
一种基于粒度特征 xgboost 模型短期负荷预测方法

[发明专利]一种基于预判模型的窃电用户判断方法-CN202011470042.3在审
发明人：唐伟宁;钟术海;鞠默欣;钱奇;覃华勤;孔凡强;刘璐;余达菲;张强;马先芹;詹军;唐思萌;苏金林 -专利权人：国网吉林省电力有限公司电力科学研究院;国网吉林省电力有限公司营销服务中心;北京科东电力控制系统有限责任公司
申请日： 2020-12-15 - 公布日： 2021-04-20 - 主分类号： G06F16/2458 文献下载
摘要：；利用典型窃电用户的用电数据，采用相似性检索方法，从所有待判断用户中筛选出窃电嫌疑用户；根据窃电嫌疑用户的用电数据，判断窃电嫌疑用户的类型，并提取相应的用电特征；将窃电嫌疑用户的用电特征输入预先训练的XGBoost窃电预判模型，判断该用户是否为窃电用户；其中，XGBoost窃电预判模型与窃电嫌疑用户的类型匹配。本发明通过相似性检索方法，利用典型窃电用户，筛选出窃电嫌疑用户，通过与用户类型相应的XGBoost窃电预判模型，精准识别窃电用户，实现对窃电行为的精准打击。
一种基于模型用户判断方法

[发明专利]一种基于XGBoost的配电网线路夏季峰值负荷预测方法-CN202011327346.4在审
发明人：陈锦植;梁宏池;陈超锋;苏建新;林锦灿;陈琪;陈金星;陈剑;陈利娜;柳卫明;洪云飞;罗莹莹;彭积城;刘毅;刘海琼;郑梦娜 -专利权人：国网福建省电力有限公司宁德供电公司;国网福建省电力有限公司;杭州沃瑞电力科技有限公司
申请日： 2020-11-24 - 公布日： 2021-05-14 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于XGBoost的配电网线路夏季峰值负荷预测方法，首先对预测线路列表中的线路进行夏季负载率峰值增长趋势聚类分析，筛选出未来可能发生重过载的线路作为待预测线路；然后再从筛选后的预测线路中挑选典型线路进行XGBoost模型建模、参数调优，XGBoost模型采用的样本特征值包括气象特征数据、时间特征数据和春季负荷特征数据；最后用统一的模型参数预测筛选后预测线路列表的夏季负荷高峰周的线路负荷曲线，输出预测结果清单
一种基于 xgboost 配电网线路夏季峰值负荷预测方法

[发明专利]一种基于xgboost的评分卡生成方法、装置及设备-CN202111494782.5在审
发明人：陈玮;刘德彬;黄远江;陈颖 -专利权人：重庆誉存大数据科技有限公司
申请日： 2021-12-08 - 公布日： 2022-03-04 - 主分类号： G06Q10/06 文献下载
摘要：本发明提供一种基于xgboost的评分卡生成方法、装置及设备，通过对获取的各客户信息进行预处理，得到初始数据；并对初始数据进行分箱处理，计算各分箱的woe值；对每个分箱中的初始数据进行woe转换，得到目标变量；建立xgboost分类模型，输入目标变量，确定各目标变量的权重；再根据初始数据，计算信用分值，结合目标变量的权重，确定分箱的重要程度；根据重要程度，从而得到标准形式的评分卡。基于xgboost模型，满足对数据处理的高要求，基于变量分箱的重要程度从而得到评分卡，实现对多重非线性的关系的处理，解决了逻辑回归模型的缺陷，能够快速地应用到信贷评分领域，对客户进行客观科学地评分，拦截坏客户
一种基于 xgboost 评分生成方法装置设备

[发明专利]一种基于XGboost的金融信贷企业信用预测方法-CN202111587189.5在审
发明人：谢振平;翟彬;陈丽芳;刘渊;崔乐乐;宋设;杨宝华 -专利权人：江南大学;浪潮卓数大数据产业发展有限公司
申请日： 2021-12-23 - 公布日： 2022-05-13 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于XGboost的金融信贷企业信用预测方法，包括初步筛选，筛选出与信用评估有关的数据；数据处理，处理异常值缺失值，并对其进行分类；特征工程，对特征进行处理；划分数据集，将数据分成训练集和验证集；模型训练，通过Xgboost算法对训练集数据进行模型的训练；模型评估和优化，通过验证集数据对模型进行评估，并对xgboost中的各个特征进行分析，根据情况对模型进行优化。
一种基于 xgboost 金融信贷企业信用预测方法

[发明专利]一种基于XGBoost机器学习模型的水位动态预测方法-CN202210545239.1在审
发明人：闫星廷;鲍娜娜;张子谦;傅振扬;李秀安;李家耀;曹卫星;叶赟;吴红斌;丁紫明 -专利权人：安徽金海迪尔信息技术有限责任公司
申请日： 2022-05-19 - 公布日： 2022-08-16 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于XGBoost机器学习模型的水位动态预测方法，具体步骤包括获取真实流域的历史水情数据，并进行预处理；对预处理的历史水情数据进行划分，得到训练集和测试集；基于XGBoost机器学习建立水位动态预测模型本发明获取历史水情数据，再基于XGBoost机器学习建立水位动态预测模型并进行训练测试，增加模型的精确度。从而根据实际水情数据进行水位预测。
一种基于 xgboost 机器学习模型水位动态预测方法

[发明专利]一种基于LSTM与XGBoost混合模型的坯布厂产能预测方法-CN202210843565.0在审
发明人：吴声剑;于溦;钟思远;董菲 -专利权人：南京致景信息科技有限公司
申请日： 2022-07-18 - 公布日： 2022-10-14 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于LSTM与XGBoost混合模型的坯布厂产能预测方法，属于产能预测技术领域，包括以下步骤：S1：数据探索和数据预处理；S2：特征设计；S3：单变量分析；S4：LSTM模型结构；S5：本发明提出的一种基于LSTM与XGBoost混合模型的坯布厂产能预测方法，通过全面分析产能影响因素，采用了XGBoost与LSTM混合模型进行时间序列产能预测方法，根据历史30天的数据，可实现预测未来30
一种基于 lstm xgboost 混合模型坯布产能预测方法

[发明专利]基于XGBoost模型结核病耐药基因变异识别方法-CN202210169138.9在审
发明人：宫秀军;高常粮 -专利权人：天津大学
申请日： 2022-02-23 - 公布日： 2022-10-11 - 主分类号： G16B20/50 文献下载
摘要：本发明涉及生物信息学、生物医学和机器学习领域，为预测发生基因变异的菌株对抗生素的耐药性，识别引起对抗生素耐药的重要基因变异，本发明，基于XGBoost模型结核病耐药基因变异识别方法，步骤如下：从公开数据源获取菌株基因变异数据和耐药性实验结果数据；数据预处理；构造模型数据集：模型训练，针对每种抗生素药在对应的数据集上使用XGBoost模型做二分类训练；选用与模型无关的PFI算法，结合已经训练好的XGBoost模型，在各药物数据集上对基因变异特征进行重要性评估
基于 xgboost 模型结核病耐药基因变异识别方法

[发明专利]一种基于自学习的用电异常诊断的能耗计量表-CN202210448455.4在审
发明人：刘洋;刘伟;王义汉 -专利权人：合肥金人科技有限公司
申请日： 2022-04-26 - 公布日： 2022-09-06 - 主分类号： G06K9/62 文献下载
摘要：本发明包括信息存储模块、信息预处理模块、学习训练模块、判断模块以及预警模块，基于边缘计算节点，对用户的历史用电原始信息进行预处理，得到优化的用电数据；接收优化后的用电数据，对训练模型进行训练，并生成XGBoost检测模型；将待测数据输入XGBoost检测模型中，判断该用电数据是否异常；预警模块与判断模块连接，向电力工作人员反馈异常信息。本发明通过利用改进的遗传算法进行超参数优化的XGBoost算法，对终端用户进行用电异常行为检测，设备成本低，且不易受外界环境干扰，提高了检测效率和精确度。
一种基于自学习用电异常诊断能耗量表