摘要
本发明提供一种基于机器学习的花粉浓度预测方法及系统,涉及数据处理技术领域,方法包括:采集影响花粉浓度的多维度特征;通过递归特征消除和随机森林特征重要性分析组合优化的方式,对多维度特征进行优化,筛选出重要性评分值高于预设重要性评分的优异特征;构建基于随机森林的花粉浓度预测模型;构建基于梯度提升的花粉浓度预测模型;以优异特征作为基于随机森林的花粉浓度预测模型和基于梯度提升的花粉浓度预测模型的输入,输出第一花粉浓度预测结果和输出第二花粉浓度预测结果;利用投票回归器,对第一花粉浓度预测结果以及第二花粉浓度预测结果进行加权平均计算,确定最终的花粉浓度预测结果。
技术关键词
浓度预测方法
随机森林模型
计算机可读指令
归一化植被指数
搜索器
叶面积指数
优化器
网格
数据处理技术
预测系统
学习器
相对湿度
超参数
监测点
存储器
处理器
样本
系统为您推荐了相关专利信息
PID算法
制冷设备控制方法
激光器系统
控制设备
医用激光器
电商
企业
数据接口
非易失性计算机存储介质
计算机可执行指令
工单分析方法
实体
关键词
词向量模型
计算机可读指令
低功耗控制方法
功率器件
功率芯片
信号占空比
低功耗控制电路
健康风险预测
多维健康数据
数据处理方法
财务
时间序列模型