-
公开(公告)号：CN109408774A
公开(公告)日：2019-03-01
申请号：CN201811323416.1
申请日：2018-11-07
Applicant: 上海海事大学
Abstract: 本发明公开了一种基于随机森林和梯度提升树的预测污水出水指标的方法，其包括以下步骤：步骤1：在原始数据训练集中有放回地抽取样本，构成若干样本集；步骤2：根据样本构建随机森林；根据随机森林计算特征重要性，进行属性筛选；步骤3：根据筛选后的属性形成的样本构建梯度提升树模型；步骤4：根据实时监测数据放入梯度提升树模型中预测出污水厂未来一段时间的污水出水指标。本发明将随机森林与梯度提升树模型结合起来建立了污水出水指标数据的关系模型，通过随机森林的降维和梯度提升树高精度的训练可以较为准确地预测出未来一段时间内的污水出水指标数据。
-
公开(公告)号：CN109376446A
公开(公告)日：2019-02-22
申请号：CN201811318562.5
申请日：2018-11-07
Applicant: 上海海事大学
Abstract: 本发明公开了基于粒子群算法的极化曲线拟合方法，包括确定极化曲线实验数据和函数模型表达式；利用粒子群算法求解最优适应度值，该方法用于确定电化学极化曲线函数模型中的动力学参数，以解决目前曲线拟合方法中对于数据点的拟合精度不高和对函数模型中参数初始值的要求过高的问题，本发明的极化曲线拟合方法只需要设置一些粒子群算法的初始参数，无需对函数模型中的参数进行初始值设置，便可实现曲线拟合，本发明将约束范围内所有可能的结果作为粒子的搜索空间，每个粒子有速度和位置两个属性，其中位置信息便代表参数，将误差平方和作为目标函数，通过设定初始粒子种群并按算法进行进化计算，最终结果精度高，误差小。
-
公开(公告)号：CN109376446B
公开(公告)日：2022-11-08
申请号：CN201811318562.5
申请日：2018-11-07
Applicant: 上海海事大学
Abstract: 本发明公开了基于粒子群算法的极化曲线拟合方法，包括确定极化曲线实验数据和函数模型表达式；利用粒子群算法求解最优适应度值，该方法用于确定电化学极化曲线函数模型中的动力学参数，以解决目前曲线拟合方法中对于数据点的拟合精度不高和对函数模型中参数初始值的要求过高的问题，本发明的极化曲线拟合方法只需要设置一些粒子群算法的初始参数，无需对函数模型中的参数进行初始值设置，便可实现曲线拟合，本发明将约束范围内所有可能的结果作为粒子的搜索空间，每个粒子有速度和位置两个属性，其中位置信息便代表参数，将误差平方和作为目标函数，通过设定初始粒子种群并按算法进行进化计算，最终结果精度高，误差小。
-
公开(公告)号：CN109408774B
公开(公告)日：2022-11-08
申请号：CN201811323416.1
申请日：2018-11-07
Applicant: 上海海事大学
Abstract: 本发明公开了一种基于随机森林和梯度提升树的预测污水出水指标的方法，其包括以下步骤：步骤1：在原始数据训练集中有放回地抽取样本，构成若干样本集；步骤2：根据样本构建随机森林；根据随机森林计算特征重要性，进行属性筛选；步骤3：根据筛选后的属性形成的样本构建梯度提升树模型；步骤4：根据实时监测数据放入梯度提升树模型中预测出污水厂未来一段时间的污水出水指标。本发明将随机森林与梯度提升树模型结合起来建立了污水出水指标数据的关系模型，通过随机森林的降维和梯度提升树高精度的训练可以较为准确地预测出未来一段时间内的污水出水指标数据。
-
-
-
Search Results
4
records
(took 0.019 seconds)
