摘要：为了实现城市品牌形象的精准画像,提高城市品牌形象的推广的精准度。文章从城市品牌形象的标签维度出发,设计画像维度,并提出基于lightgbm模型画像的标签分类算法,从而实现城市品牌形象综合画像标签自动提取与动态更新。利用本方法实现的结果与使用逻辑回归、随机森林、KNN等方法实现的结果相比较,利用本模型的标签分类准确率远远高于其他模型。

摘要：字节跳动旗下的广告创意定制平台,是为广告主提供广告商品创意定制服务的撮合平台,该文旨在为该平台搭建基于lightgbm算法的商品推荐系统,以提升平台商品服务的点击率(CTR)与下单转化率。该文对软件体系架构进行优化设计,包括构建个性化CTR预估模型、优化推荐排序策略,即采用lightgbm算法的精排模型对商品平台中的服务进行个性化排序推荐。经过实际的线上验证,设计的推荐系统能够帮助平台有效提升流量转化数据,其中广告商品CTR上涨10.52%,下单转化率增长79.3%。因此,该推荐系统可在商业应用中为广告主减少广告商品选购的决策成本,并为平台带来增量营收。

摘要：为高效地挖掘植物病害处方数据并辅助精准诊断,以番茄病毒病、番茄晚疫病、番茄灰霉病3种病害为研究对象,构建基于贝叶斯优化lightgbm的番茄病害智能诊断模型,探索作物病害处方数据挖掘及其精准诊断。重点对处方原数据(文本数据标签和One-hot编码等)进行预处理,以基于Wrapper的递归特征消除法进一步提取作物病害处方数据的特征;利用基于lightgbm算法构建番茄病害诊断模型,并与K近邻(KNN)、决策树(DT)、支持向量机(SVM)、随机森林(RF)、梯度提升决策树(GDBT)、AdaBoost和XGBoost常见机器学习模型运行结果进行比较分析并进行优化;设计基于lightgbm模型的Android手机端植物医生病害诊断APP。实验结果表明,基于贝叶斯优化的lightgbm模型综合诊断准确率可达到89.11%,比其他7种机器学习模型的诊断准确率平均高3.65个百分点;同时特征选择后的lightgbm模型在保证模型准确率的基础上降低了前期数据收集难度,模型综合准确率提高至89.34%,其中番茄病毒病的诊断精确度和F1值均达到96%以上,运行时间减少了47.73%;最后通过番茄叶霉病和番茄早疫病两种病害对本文模型进行了泛化能力测试,实验结果表明该模型具有较强的泛化能力和实用性。基于lightgbm模型设计的APP可以实现用户人群友好的交互式可视化且满足实际诊断需求。

摘要：随着智慧城市、智能工厂、绿色建筑的发展,低功耗物联网作为这类应用场景下最为重要的组网技术之一,对定位技术的需求也愈发迫切。一般的定位方式精度高但同时能耗大不适用于低功耗物联网。针对这个问题设计一种定位算法,以LoRa为基础,利用基于lightgbm(Light Gradient Boosting Machine)的室外指纹定位算法进行室外定位。通过实验结果验证,其平均定位精度达到了90 m左右,相比传统KNN和BP神经网络而言,定位精度提高了35%左右。同时定位的时间相比传统机器学习方法较短,具有较好的实用性。

摘要：声子晶体具有周期性人工复合结构,以其带隙特性在波传播控制上的应用潜力而广受关注,为工程减振降噪提供了新的解决思路,这类材料的设计问题是当下研究的焦点。本研究以二维层状声子晶体结构为例,提出了一种利用lightgbm和改进遗传算法设计的创新方法。首先在声子晶体的带隙预测上选用lightgbm算法,对结构的排列向量进行类别特征处理,并结合模拟退火算法进行超参数调优,在传统有限元法计算时间的1/3134内,达到了整体误差不超过2%的预测精度;其次在设计方法上集成了一种基于精英保留策略的遗传算法,以地铁运行造成的环境振动问题为例,确定以带隙宽度为优化的适应度函数,得到了对应结构带隙覆盖30~40 Hz频段的种群;最后,对优化结构进行有限元分析,其带隙特征与预期基本吻合。本研究为声子晶体结构高效优化设计提供了一种新的解决方案。

摘要：为研究温室内番茄冠层作物水分胁迫指数(CWSI)问题,通过布设多参数传感器,实时获取温室内外各环境参数。利用灰度关联分析,计算各环境参数与番茄冠层CWSI的关联度,根据关联度对环境参数进行排序,同时考虑对模型精度的影响,最终从9个环境参数中选取7个作为模型输入,建立基于lightgbm的温室番茄冠层CWSI预测模型。结合贝叶斯算法优化其中的关键参数,将模型预测结果与通过Jones经验公式计算出的CWSI做相关性分析,在相同的运算环境下,分别与GBRT和SVR模型对比。试验结果表明,基于贝叶斯优化lightgbm模型的决定系数(R^(2))、平均绝对误差(MAE)、均方根误差(RMSE)和运算时间分别为0.9601、0.0218、0.0314和0.0518 s,与GBRT和SVR模型相比,其R^(2)分别提高2.14%和14.05%,MAE分别降低0.0093和0.0612,RMSE分别降低0.0097和0.0591,时间分别缩短0.0459 s和0.0612 s。表明本研究提出的lightgbm模型性能更有效地提高了温室番茄冠层CWSI的预测精度,为实现温室番茄按需灌溉提供了参考。

摘要：为对在制品进行质量预测,提出一种基于RFECV-lightgbm-TPE联合模型的在制品质量问题预测方法。该方法通过RFE递归特征消除和CV交叉验证进行特征筛选,确定特征维度。针对实时采集的在制品工艺参数不充分的情况,通过结合特征重要性的方法改进KNN缺失值填补算法,补全未采集的工艺参数,解决在制品难以进行质量预测的问题。同时利用历史数据训练lightgbm算法构建质量预测模型,并通过TPE算法进行参数寻优提高预测精度。最后以博世生产线采集的工艺参数为例将本文所提模型与常见模型进行对比,结果表明本文所提模型可以更好的对质量问题进行预测,给智能工厂的建设提供了参考价值。

摘要：通过对通信机房中浮充状态的电池的放电电压曲线进行分析,确定了放电曲线中对容量影响显著的陡降复升段的特征。利用lightgbm算法进行训练,建立了预测容量的数学模型。通过实验对模型进行了验证,实验结果表明所提出的预测方法能对10h放电条件下的容量做出准确预测,其平均绝对百分比误差最小可达8%。同传统的检测方法相比,该方法所需的测试时间短,具备广阔的应用前景。

摘要：[目的]为了度量夜经济中用户级短期负荷的不确定性,基于lightgbm(Light Gradient Boosting Machine)和KDE(Kernel Density Estimation)方法,本文设计了一种夜经济用户级短期负荷概率预测模型框架和预测方法。[方法]首先,利用lightgbm对待预测用户的历史负荷与影响因素(如天气、日类型等)进行建模。然后,使用该模型预测用户的未来短期负荷,并将lightgbm模型所包含的树的输出作为概率预测的输入,利用核密度估计方法计算该用户未来短期负荷的概率密度及预测区间。[结论]最后利用北方某城市的多个夜经济用户真实负荷数据进行了实验验证,实验结果表明本方法预测结果准确,鲁棒性高,且对夜经济多类用户均适用。

摘要：为更精确地预测地铁短时进站客流量,本文提出一种基于lightgbm的轨道交通短时客流预测方法,以15 min为粒度计算杭州市各地铁车站进站客流并作为因变量,提取时间、空间、车站属性、气象要素和土地开发五个维度的自变量,构建模型训练数据集。通过贝叶斯搜索优化模型参数,选择六项评价指标与常用模型进行对比,并利用SHAP方法解析各影响因素的重要度及与预测结果的关系。结果表明:Light‐GBM模型预测误差显著较小,对地铁短时客流预测能力优秀;影响短时客流大小排名前4的因素依次为:前一时间段客流量、前一周同时段客流量、前一天同时段客流量和前3天同时段客流均值,其中排名第一的因素对短时客流变化具有主导作用;而后三个因素取值分别达到2000、1500和500人次的阈值后,对客流量的增进作用不再显著变化。