基于机器学习的混凝土泵压损失预测方法和系统

本申请提供一种基于机器学习的混凝土泵压损失预测方法和系统，属于机器学习技术领域。该方案包括：采集数据样本，并构建包含混凝土原材料特性参数与泵送结构参数的高维特征数据集；采用基于密度的聚类算法对数据样本进行无监督分层处理，将无监督聚类结果中每一样本所属的簇编号作为新特征补入到高维特征数据集中，得到扩展的高维特征数据集；基于机器学习算法，建立混凝土泵压损失机器学习预测模型，并对混凝土泵压损失机器学习预测模型进行训练，使用训练好的泵压损失预测模型对待预测数据进行泵压损失预测，获得泵压损失预测结果。由此，通过基于密度的聚类算法识别非线性和密度分布不均的样本结构，提升了泵压损失预测精度。