一种基于多机器学习模型融合的水泵全特性曲线预测方法

本发明公开一种基于多机器学习模型融合的水泵全特性曲线预测方法，包括：首先构建包括多种机器学习算法的回归池，收集不同比转速泵的全特性曲线数据；再采用改进鲸鱼优化算法从回归池中筛选出机器学习算法，作为基础模型组合，采用K折交叉验证的训练策略对基础模型组合中的每个机器学习算法进行K轮交替训练，再对训练后的基础模型组合进行误差相关性验证；利用二级学习器对通过验证的模型组合进行二次训练，并计算基础模型组合的R²性能，筛选最优基础模型组合；采用改进鲸鱼优化算法对最优基础模型组合的超参数进行训练，得到多机器学习算法融合预测模型，用于对待测泵进行全工况范围内的预测。本发明预测精度高，且节省计算资源。