典型文献
基于融合降维-集成学习的两阶段辛烷值预测算法设计研究
文献摘要：
汽油辛烷值不仅影响汽油的经济效益,也关乎汽车尾气排放量,因此精确预测成品汽油的辛烷值对国民经济发展和环境保护都有着重要意义.为从高维的工业汽油数据集中准确预测出辛烷值含量,首先提出了一种互信息法回归(Mutual information regression,MIR)-递归嵌入式特征选择(Embedded feature selection,EFS)融合降维算法对数据特征进行评分,筛选出30个特征作为建模的主要变量;然后基于优化后的自适应集成学习随机森林算法建立了辛烷值预测模型;最后基于多种互补判别准则,与现有方法进行了充分仿真计算对比.结果显示,改进的MIR-EFS融合降维算法将数据维度减少了89.65％,训练时间减少了81.43％,预测数据的均方误差(MSE)、均方根误差(RMSE)、最小误差(Min Error)和回归平方和(ESS)分别为0.017、0.13、0.023和0.28.与现有方法相比,MIR-EFS融合降维算法的复杂度性能与计算结果更优,这表明改进的MIR-EFS融合降维算法能够准确地获取成品汽油中辛烷值的含量,为汽油辛烷值预测提供可参考的算法支持.
文献关键词：
石油辛烷值;融合降维算法;高维数据;预测
中图分类号：
作者姓名：
郇钫策;江驹;余朝军;徐海燕
作者机构：
南京航空航天大学 自动化学院,江苏 南京 211106;南京航空航天大学 经济与管理学院,江苏 南京 211106
文献出处：
引用格式：
[1]郇钫策;江驹;余朝军;徐海燕-.基于融合降维-集成学习的两阶段辛烷值预测算法设计研究)[J].低碳化学与化工,2022(02):95-102
A类：
融合降维算法,石油辛烷值
B类：
集成学习,两阶段,辛烷值预测,预测算法,算法设计,汽油辛烷值,汽车尾气,尾气排放,精确预测,国民经济发展,准确预测,预测出,互信息法,Mutual,information,regression,MIR,递归,嵌入式特征选择,Embedded,feature,selection,EFS,数据特征,自适应集成,随机森林算法,判别准则,仿真计算,数据维度,训练时间,预测数据,均方误差,RMSE,Min,Error,平方和,ESS,高维数据
AB值：
0.298945
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
