检索范围:
排序: 展示方式:
A novel ensemble model for predicting the performance of a novel vertical slot fishway
Aydin SHISHEGARAN, Mohammad SHOKROLLAHI, Ali MIRNOROLLAHI, Arshia SHISHEGARAN, Mohammadreza MOHAMMAD KHANI
《结构与土木工程前沿(英文)》 2020年 第14卷 第6期 页码 1418-1444 doi: 10.1007/s11709-020-0664-x
关键词: novel vertical slot fishway parametric study finite volume method ensemble model gene expression programming
Robust ensemble of metamodels based on the hybrid error measure
《机械工程前沿(英文)》 2021年 第16卷 第3期 页码 623-634 doi: 10.1007/s11465-021-0641-7
关键词: metamodel ensemble of metamodels hybrid error measure stochastic problem
Xin ZHANG, Tao HUANG, Bo WU, Youmin HU, Shuai HUANG, Quan ZHOU, Xi ZHANG
《机械工程前沿(英文)》 2021年 第16卷 第2期 页码 340-352 doi: 10.1007/s11465-021-0629-3
关键词: fault intelligent diagnosis deep learning deep convolutional neural network high-dimensional samples
一种基于多因素分析和多模型集成的海洋溶解氧浓度时间序列预测混合神经网络模型 Article
刘辉, 杨睿, 段铸, 吴海平
《工程(英文)》 2021年 第7卷 第12期 页码 1751-1765 doi: 10.1016/j.eng.2020.10.023
溶解氧是水产养殖的重要指标,准确预测溶解氧浓度可有效提高水产品质量。本文提出了一种新的溶解氧混合预测模型,该模型包括多因素分析、自适应分解和优化集成三个阶段。首先,考虑到影响溶解氧浓度的因素复杂繁多,采用灰色关联度法筛选出与溶解氧关系最密切的环境因素,多因素的考虑使得模型融合更加有效。其次,运用经验小波变换方法自适应地将溶解氧、水温、盐度和氧饱和度等序列分解为子序列。然后,利用5个基准模型对经验小波变换分解出的子序列进行预测,这五个子预测模型的集成权重通过粒子群优化和引力搜索算法计算得出。最后,通过加权分配得到溶解氧多因素集成模型。来自太平洋岛屿海洋观测系统希洛WQB04站收集的时间序列数据验证了该模型的性能。实验的评价指标包括Nash-Sutcliffe效率系数、Kling-Gupta效率系数、平均绝对百分比误差、误差标准差和决定系数。实例分析表明:①所提出的模型能够获得优异的溶解氧预测结果;②该模型优于文中其他对比模型;③预测模型可用于分析溶解氧变化趋势,便于管理者能够做出更好的决策。
《机械工程前沿(英文)》 2022年 第17卷 第4期 doi: 10.1007/s11465-022-0703-5
关键词: laser beam welding parameter optimization metamodel multi-objective
气象水文集合预报的多源不确定性影响评估研究 Article
舒章康, 张建云, 汪琳, 金君良, 崔宁博, 王国庆, 孙周亮, 刘艳丽, 鲍振鑫, 刘翠善
《工程(英文)》 2023年 第24卷 第5期 页码 213-229 doi: 10.1016/j.eng.2022.06.007
评估复杂水文预报的来源不确定性对于深刻理解和改进水文预报精度至关重要,以往研究较少关注多源不确定性对气象水文预报复杂过程的影响。本研究提出了一种通用的基于贝叶斯模型平均(BMA)的集合框架,用于评估多源不确定性对气象水文预报全过程的影响。采用TIGGE中心的八种数值天气预报产品,四种完全不同结构的水文模型和1000组参数分别考虑来自输入、结构和参数的不确定性。在中国金溪池潭流域的实际应用表明:气象水文预报中数值预报输入的不确定性比水文模型的不确定性更大,水文模型结构的不确定性则明显大于模型参数的不确定性。洪峰流量预报的精度与数值天气预报的精度紧密相关,水文模型结构和参数及其交互作用则是枯水期流量预报的主要不确定性来源。当同时考虑三种不确定性来源时,径流过程预报精度更高。通过考虑复杂预报过程的主要不确定性源,基于BMA集合预报的预测精度更高,并可降低其他因素带来的不确定性。本文提出的多源不确定性评估框架可以较好地提升对气象水文预报过程的理解,在提高复杂水文预报精度方面具有广阔的应用前景。
集成增强主动学习混合判别分析模型及其在半监督故障分类中的应用 Research Article
王伟俊1,王云2,王君1,方信昀3,何雨辰1
《信息与电子工程前沿(英文)》 2022年 第23卷 第12期 页码 1814-1827 doi: 10.1631/FITEE.2200053
Efficient Identification of water conveyance tunnels siltation based on ensemble deep learning
Xinbin WU; Junjie LI; Linlin WANG
《结构与土木工程前沿(英文)》 2022年 第16卷 第5期 页码 564-575 doi: 10.1007/s11709-022-0829-x
关键词: water conveyance tunnels siltation images remotely operated vehicles deep learning ensemble learning computer vision
在非对称大规模MIMO系统中基于集成—迁移学习的信道参数预测 Research Article
何遵文1,李悦1,张焱1,张万成1,张恺恩1,郭柳1,王海明2
《信息与电子工程前沿(英文)》 2023年 第24卷 第2期 页码 275-288 doi: 10.1631/FITEE.2200169
Ensemble unit and AI techniques for prediction of rock strain
Pradeep T; Pijush SAMUI; Navid KARDANI; Panagiotis G ASTERIS
《结构与土木工程前沿(英文)》 2022年 第16卷 第7期 页码 858-870 doi: 10.1007/s11709-022-0831-3
关键词: prediction strain ensemble unit rank analysis error matrix
《环境科学与工程前沿(英文)》 2022年 第16卷 第11期 doi: 10.1007/s11783-022-1574-z
● Diurnal patterns of CH4 and CO2 are clearly extracted using EEMD.
关键词: Methane Carbon dioxide Diurnal pattern Ensemble empirical mode decomposition South China Sea Sea breeze
Anensemble method for data stream classification in the presence of concept drift
Omid ABBASZADEH,Ali AMIRI,Ali Reza KHANTEYMOORI
《信息与电子工程前沿(英文)》 2015年 第16卷 第12期 页码 1059-1068 doi: 10.1631/FITEE.1400398
关键词: Data stream Classificaion Ensemble classifiers Concept drift
Conceptual study on incorporating user information into forecasting systems
Jiarui HAN, Qian YE, Zhongwei YAN, Meiyan JIAO, Jiangjiang XIA
《环境科学与工程前沿(英文)》 2011年 第5卷 第4期 页码 533-542 doi: 10.1007/s11783-010-0246-6
关键词: user-end information user-oriented interactive forecasting system TIGGE (THORPEX interactive grand global ensemble)
基于回归预测集成学习的交互式图像分割 Article
Jin ZHANG, Zhao-hui TANG, Wei-hua GUI, Qing CHEN, Jin-ping LIU
《信息与电子工程前沿(英文)》 2017年 第18卷 第7期 页码 1002-1020 doi: 10.1631/FITEE.1601401
基于Spark面向分布式EEMDN-SABiGRU模型的乘客热点预测
夏大文,耿建,黄瑞曦,申冰琪,胡杨,李艳涛,李华青
《信息与电子工程前沿(英文)》 2023年 第24卷 第9期 页码 1316-1331 doi: 10.1631/FITEE.2200621
关键词: 乘客热点预测 集合经验模态分解(EEMD) 空间注意力机制 双向门控循环单元(BiGRU) GPS轨迹 Spark
标题 作者 时间 类型 操作
A novel ensemble model for predicting the performance of a novel vertical slot fishway
Aydin SHISHEGARAN, Mohammad SHOKROLLAHI, Ali MIRNOROLLAHI, Arshia SHISHEGARAN, Mohammadreza MOHAMMAD KHANI
期刊论文
Multi-model ensemble deep learning method for intelligent fault diagnosis with high-dimensional samples
Xin ZHANG, Tao HUANG, Bo WU, Youmin HU, Shuai HUANG, Quan ZHOU, Xi ZHANG
期刊论文
Processing parameter optimization of fiber laser beam welding using an ensemble of metamodels and MOABC
期刊论文
Efficient Identification of water conveyance tunnels siltation based on ensemble deep learning
Xinbin WU; Junjie LI; Linlin WANG
期刊论文
Ensemble unit and AI techniques for prediction of rock strain
Pradeep T; Pijush SAMUI; Navid KARDANI; Panagiotis G ASTERIS
期刊论文
Variation characteristics of atmospheric methane and carbon dioxide in summertime at a coastal site in the South China Sea
期刊论文
Anensemble method for data stream classification in the presence of concept drift
Omid ABBASZADEH,Ali AMIRI,Ali Reza KHANTEYMOORI
期刊论文
Conceptual study on incorporating user information into forecasting systems
Jiarui HAN, Qian YE, Zhongwei YAN, Meiyan JIAO, Jiangjiang XIA
期刊论文