摘要
本发明公开了一种异烟酸收率预测方法,属于工业化生产领域,旨在解决现有技术难以挖掘特征与目标变量间的非线性关系,易受噪声和异常值干扰,冗余信息处理不妥,难以捕捉长期依赖关系,预测精度和效率较低的问题。本发明包括:计算有效参数与异烟酸收率之间的最大互信息系数,选取与目标参数重要性最大的若干有效参数得到最优数据集;使用ICEEMDAN算法分解最优变量并用核主成分分析降维;训练集输入长短期记忆网络进行训练,对得到的若干结果进行评估和择优。本发明能更准确地识别影响异烟酸收率的关键因素,提取更纯净的特征信号,去除冗余信息并保留最佳信息,捕捉数据间长期依赖关系,预测精度和效率高。
技术关键词
异烟酸
长短期记忆网络
核主成分分析
收率
变量
训练集
贡献率
易受噪声
正则化参数
序列
数据
信息处理
冗余
关系
算法
非线性
误差
精度
系统为您推荐了相关专利信息
作业监测方法
视频帧集合
图像
局部二值模式特征
蒙特卡洛
弹性成像方法
触觉传感器
物体三维表面
弹性成像技术
节点
电量预测方法
变量
学习器
电量预测模型
特征工程
漏洞检测方法
节点特征
智能合约代码
序列特征
GCN模型