摘要
本发明的风机控制器控制参数预测方法、系统及边缘设备,当样本数量n小于等于设定数量m时,建立XGBoost模型,利用n个样本训练XGBoost模型,将训练完成的XGBoost模型作为预测模型;当样本数量n增加到大于设定数量m时,建立DNN模型,利用新增加的n‑m个样本训练DNN模型,其中,XGBoost模型输出的特征重要性权重作为DNN模型的初始注意力权重;将训练完成的DNN模型作为预测模型。因此,本发明的风机控制器控制参数预测方法、系统及边缘设备,根据样本数量建立不同的模型,避免发生数据过拟合,避免固定模型局限性,解决了现有技术中使用固定模型容易发生过拟合的技术问题。
技术关键词
XGBoost模型
控制参数预测方法
DNN模型
风机控制器
预测系统
通用特征
样本
分支
物理
注意力
网络
动态
模块
误差
载波
频率
数据
系统为您推荐了相关专利信息
风险预测方法
风险预测模型
XGBoost模型
镇痛药物
风险预测系统
长短期记忆网络
流量预测方法
道口
实时数据
港口运营管理系统
库存预测方法
库存预测模型
样本
LSTM神经网络
周期
BP神经网络
超大规模
低轨遥感卫星
星下点位置
轨道
发电量预测方法
燃机电厂
时间序列预测模型
发电量预测系统
发电设备