【摘 要】
：
为解决传统化学方法测定水质高锰酸盐指数时效性差、操作繁琐、易产生二次污染的问题,本文提出一种基于XG-Boost算法预测水质高锰酸盐指数的模型.首先采用紫外-可见光谱仪获
【机 构】
：
江西师范大学地理与环境学院,南昌 330022;江西师范大学地理与环境学院,南昌 330022;鄱阳湖湿地与流域教育部重点实验室,南昌330022
论文部分内容阅读
为解决传统化学方法测定水质高锰酸盐指数时效性差、操作繁琐、易产生二次污染的问题,本文提出一种基于XG-Boost算法预测水质高锰酸盐指数的模型.首先采用紫外-可见光谱仪获取水样的光谱特征,然后使用KNN对光谱数据进行异常值预处理,搭建XGBoost算法模型实现预测水质高锰酸盐指数.实验结果表明,基于本文的数据,相对于SVR算法,利用XGBoost算法搭建的模型在预测结果上有较好的拟合优度和模型精度.
其他文献
近年来,IIoT(工业物联网)的发展十分迅速,其应用场景也极为丰富,如传感器、机器人、自动化设备等[1]。工业物联网在实际应用中会产生大量的数据,数据的隐私性及安全性是十分重要的。目前,区块链技术被广泛地认为是实现数据安全高效存储/处理/共享的一种有前途的解决方案,但区块链在扩展性、去中心化程度、安全性及延迟上四个方面存在着相互制约。利用深度强化学习可以更好地在上述四个方面实现较好的平衡,使得区块
近年来通过网络爆发的重大舆情事件数量激增,谣言自动检测成为净化网络生态环境的重要研究课题的大背景下,本文主要探讨利用LSTM+Attention深度学习技术对常识类谣言进行自动
存算一体加速器因其高能效和低功耗的特点受到广泛关注,但在神经网络模型与存算一体加速平台之间缺乏高效的自动化映射工具.为了改善这一局面,本文提供一个面向忆阻器存算一
云计算服务安全评估方法一直面临着安全指标覆盖范围小、适用场景有限和指标不易量化的问题,使得云计算服务安全评估工作难以高效开展与实施.本文基于国家标准的要求提出一种
目击证人描述和嫌疑人画像是侦破刑事案件的重要依据,然而尽管人脸识别技术近年来发展迅速,但是根据嫌疑人画像自动识别嫌疑人身份仍然极具挑战。大部分现有素描人脸识别方法或者在特征空间中减小嫌疑人画像与照片之间的模态差异,或者先在嫌疑人图像和照片之间进行转换再进行人脸比对,而都忽略了目击证人对嫌疑人的属性描述。本文提出将人脸属性引入素描与照片间的转换过程,在照片域和素描域中同时进行人脸比对,并融合两者结果
在投影系统中,常常伴随着复杂的物理杂散光效应,从而使投影图像质量受到严重影响。互反射补偿就是为了消除这些杂散光的影响。通过改变输入图像,使投影出的图像和原图一致。这是解决投影图像退化的一个重要但常常被忽视的问题。传统的方法通常通过计算矩阵求逆来解决这个问题。本文首先设计一个深度卷积神经网络,即投影补偿网络(PCN)来学习求逆的过程。PCN由一系列卷积层提取图像特征。此外,在VGG网络上计算特征图的
切入场景一种常见且重要的场景,对于智能网联汽车自动驾驶功能开发和测试至关重要,但由于缺少较为统一的切入场景分析体系和轨迹拟合方法,导致针对切入场景的自动驾驶功能场