典型文献
基于机器学习的湿化仪温度预测建模与仿真
文献摘要：
高流量呼吸湿化仪作为一种典型的非线性、大滞后且对象参数随流量变化的变结构温度控制系统,出气温度会随流量不断变化且易受到各种参数影响.鉴于对象的特殊性及复杂性考虑,无法通过传统的机理建模方法进行模型搭建.针对这一问题的出现,以大量的历史数据为基础,使用机器学习方法进行建模.整个建模过程,选用多元线性回归、随机森林和支持向量机三种算法进行模型训练;在性能效果评估方面,选用可解释方差(VS)、平均绝对误差(MAE)、均方误差(MSE)、判定系数(R2)四种指标进行效果评估.仿真实验结果表明,在不同工况条件下,三种模型皆可以对出气温度做出预测,且通过性能对比分析,相同条件下随机森林的预测效果要优于另外两种算法.实现对出气温度预测,不仅使湿化仪的性能得到提升,同时对于仪器的安全使用也具备一定的指导意义.
文献关键词：
湿化仪;多元线性回归;随机森林;支持向量机;温度预测
中图分类号：
作者姓名：
陈龙龙;李凌
作者机构：
沈阳化工大学 信息工程学院,辽宁 沈阳110142
文献出处：
引用格式：
[1]陈龙龙;李凌-.基于机器学习的湿化仪温度预测建模与仿真)[J].工业仪表与自动化装置,2022(02):56-61,115
A类：
B类：
基于机器学习,湿化仪,温度预测,预测建模,建模与仿真,高流量,呼吸湿化,流量变化,变结构,结构温度,温度控制系统,出气温度,参数影响,机理建模,模型搭建,历史数据,机器学习方法,模型训练,效果评估,可解释,VS,平均绝对误差,MAE,均方误差,MSE,不同工况,工况条件,通过性,性能对比,安全使用
AB值：
0.358237
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。
