一种针对数据样本不均衡问题的机器学习模型训练方法

    公开(公告)号:CN116011596A

    公开(公告)日:2023-04-25

    申请号:CN202211670871.5

    申请日:2022-12-26

    Applicant: 中南大学

    Abstract: 本发明提出了一种针对数据样本不均衡问题的机器学习模型训练方法。首先从不均衡数据中随机抽取a%样本为初始训练集,b%为验证集,剩余样本为测试集;利用训练集建立N个仅初始随机种子不同的模型,并分别对验证集进行预测;对各样本的N个预测值计算方差并根据其排序;设置相对误差阈值;将最大方差样本的相对预测误差与设定阈值进行比较;若小于阈值,模型训练结束;反之,复制验证集中按方差降序排列的前一定比例样本并加入训练集,重复上述过程,直到预测值最大方差的样本相对误差小于所设阈值。本发明的方法可以有效地解决由于工程问题中普遍存在的样本数据不平衡,导致机器学习模型对少数类样本预测精度较低的问题,提高模型的鲁棒性。

    一种用于研究不同渗流方向下盾构泡沫改良粗粒土渗透破坏的试验装置及方法

    公开(公告)号:CN117491243A

    公开(公告)日:2024-02-02

    申请号:CN202311452841.1

    申请日:2023-11-03

    Applicant: 中南大学

    Abstract: 本发明提供了一种用于研究不同渗流方向下盾构泡沫改良粗粒土渗透破坏的试验装置和方法,试验装置包括主体结构、供水系统、孔隙压力监测系统和旋转基座。主体结构包括试验筒、水流控制部件和土样约束部件;供水系统包括水位调节部件和水循环系统;孔隙压力监测系统包括高精度孔隙压力传感器和数据自动采集仪,孔隙压力采用非侵入式监测,并设计特制的过滤螺栓阻止气泡和土颗粒进入传感器;主体结构固定在旋转基座上,通过旋转基座可以调整渗流方向。本发明可以开展不同渗流方向下泡沫改良粗粒土渗透破坏的模拟,可以全面掌握渗透过程中泡沫和细颗粒迁移情况以及土样不同部位的孔隙压力时变曲线,为深入了解盾构螺旋排土器喷涌问题提供参考。

    一种面对工程应用的机器学习模型可靠性评估方法

    公开(公告)号:CN115952876A

    公开(公告)日:2023-04-11

    申请号:CN202211670812.8

    申请日:2022-12-26

    Applicant: 中南大学

    Abstract: 本发明提出了一种面对工程应用的机器学习模型可靠性评估方法,涉及人工智能与土木工程领域,方法包括:基于已有样本集,训练多个仅初始随机种子不同的机器学习模型;使用训练好的多个模型对具体工程问题同时进行预测,并计算预测结果的相对标准差;根据实际工程需求确定相对标准差阈值。若相对标准差低于阈值,则认为该次机器学习模型的预测结果具有较高可靠性,机器预测结果可被采纳;否则,认为本次预测不具参考价值,该问题需人工决策介入。本发明为在复杂多变的工程环境条件下使用机器学习模型进行预测提供了一种可靠性评估方法,能判断何时采用人工决策或者机器决策,可有效推动机器学习方法在实际工程中落地应用。

Patent Agency Ranking