摘要
本申请涉及一种锻件晶粒度预测模型的训练方法、预测方法和相关装置,该训练方法包括以下步骤:使用经过预处理并标准化后的工艺数据所形成的训练集和验证集训练若干种异构的基回归器;持续获取经过预处理并标准化后的工艺数据所形成的测试集数据,并使用测试集数据实时计算各基回归器之间的共线性值;基于所述共线性评估结果,动态确定若干个具有最高共线性的基回归器,并基于每个基回归器的实时性能表现动态分配权重,将确定的基回归器组合为加权求和集成模型。本申请通过递归特征消除与共线分析结合,实现特征与基模型的双重优化,同时提出加权求和集成策略,动态分配基模型权重,有效融合异构模型的优势,预测精度显著提升。
技术关键词
锻件晶粒度
GH4169合金
分层随机抽样
异构
生成数据集
BP神经网络
集成策略
消除方法
动态
处理器
计算机设备
误差
可读存储介质
程序
存储器
训练集
指令
共线
系统为您推荐了相关专利信息
异构传感器
变压器故障诊断
动态故障诊断
故障特征提取
参数
牲畜疫病防治
多源异构数据
高维特征向量
信息管理方法
畜牧
桥梁缆索结构
损伤特征
历史监测数据
剩余使用寿命
损伤类别