基于随机森林算法的动车组车轮多边形预测方法及系统

本申请涉及动车组状态预测领域，提供了基于随机森林算法的动车组车轮多边形预测方法及系统，包括从运维历史数据中，选取相关系数满足要求的特征指标作为训练样本，并分成训练集和测试集；抽取训练集的特征信息生成多个随机样本集；生成多个随机样本集的CART回归树，取多棵CART回归树的输出均值作为预测结果，得到动车组车轮多边形的初始预测模型；将测试集输入初始预测模型，对测试集的特征信息进行随机采样并反复构建模型，选出准确率最高的特征放到最优特征子集，剩余的特征重复随机采样，直到遍历所有特征后停止，得到最终预测模型。利用随机森林算法以及多棵决策树的协同工作，提升对车轮多边形状态预测的准确性和可靠性。