一种基于复杂样本导向的双权堆叠形变预测集成模型建模方法

本发明涉及集成学习形变预测技术领域，具体涉及一种基于复杂样本导向的双权堆叠形变预测集成模型建模方法，包括：建立CLAnet、RBF、MLP、CNN及XGBoost五个异构基模型；建立支持向量回归机作为元模型；基于stacking框架构建二级集成模型；采用复杂样本导向的五折交叉验证策略优化训练集分布，动态增强对复杂样本的学习；通过计算各基学习器的误差指标，在元模型自动隐式分配权重前，手动为基模型分配初始权重，优化元数据集分布；引入鲸鱼优化算法调整各模型超参数。本发明的集成预测模型通过整合各基模型对特征的不同学习方式，并借助元模型的二次拟合能力，可解决单一模型对复杂样本的泛化能力不足、多变量耦合关系的建模能力有限的问题。