10.3969/j.issn.1672-9668.2022.18.012
基于改进ARMA-XGBoost算法的汽油辛烷值损失预测模型
针对汽油辛烷值损失数据中异常采样数据,本文提出一种基于机器学习的汽油辛烷值数据处理方法.该方法包括基于XGBoost的缺失值预测分析及基于Random Forest的异常值处理、再利用基于ARMA算法的特征降维模型,将模型的预测值与真实值进行对比,结果表明在测试集上的准确率为91.31％.经过异常值处理模型修复的数据满足辛烷值损失要求,可为后续降低辛烷值损失提供数据支撑和主要特征改善提供依据.
特征降维、随机森林、自回归滑动平均模型、BP神经网络
TP391;F426.4;V231.3
贵州省教育厅青年科技人才成长项目
2022-09-26（万方平台首次上网日期，不代表论文的发表时间）
共4页
36-39
