基于支持向量和集成學習的板狀剛玉質量預測.pdf

1、剛玉是一種耐火材料，它的生產目標已從提高產量轉移到提升質量。已有的研究表明，機器學習方法在相近的化工領域的應用效果顯著，既提高了生產效率又節(jié)約了實驗成本。機器學習方法能夠在剛玉生產領域幫助企業(yè)預測產品質量、尋找關鍵生產工藝，對板狀剛玉生產企業(yè)具有重要應用價值和理論指導意義。
　　本文提出了一種基于支持向量和集成學習的板狀剛玉質量預測方法。首先，根據(jù)板狀剛玉的生產特點，利用拉格朗日插值等方法進行數(shù)據(jù)集成與清洗。使用Adaptive-

2、Lasso方法篩選用于支持向量回歸建模的特征。本文分別采用支持向量回歸、隨機森林回歸和XGBoost算法對樣本數(shù)據(jù)建立預測模型。經(jīng)過多次的模型訓練和結果的對比與分析，選取隨機森林回歸算法作為最終的板狀剛玉生產建模的機器學習方法。最后對于三種算法得到的特征選擇結果加權平均，得到一個最終的特征重要度排名，從而達到獲取板狀剛玉關鍵生產工藝的目的。
　　實驗結果表明，本文提出的回歸方法均方差較小，基本符合實際需求。本文率先提出了對于連續(xù)型