一种基于改进深度森林模型的跨站点车辆动态称重方法及系统

本发明提供一种基于改进深度森林模型的跨站点车辆动态称重方法及系统，该方法首先采用皮尔逊相关系数法筛选与重量高度相关的特征，并引入六阶段温度和冲击次数两个新特征来对模型进行补偿，以增强模型对实际站点复杂环境干扰的抵抗能力。其次，利用特征重要度重排和可信状态判断平均集成对深度森林模型改进，进一步提升预测精度，本模型不仅具有集成学习的优势，还融合了深度学习的优势，凭借其强大的集成特性和处理复杂数据的能力，在不同工况的称重站点中均能保持稳定的预测精度，为解决动态称重系统跨场景部署的普适性问题提供了有效方案。