基于改進(jìn)ARMA-XGBoost算法的汽油辛烷值損失預(yù)測模型

打開文本圖片集

摘 要：針對汽油辛烷值損失數(shù)據(jù)中異常采樣數(shù)據(jù)，本文提出一種基于機(jī)器學(xué)習(xí)的汽油辛烷值數(shù)據(jù)處理方法。該方法包括基于XGBoost的缺失值預(yù)測分析及基于Random Forest的異常值處理、再利用基于ARMA算法的特征降維模型，將模型的預(yù)測值與真實(shí)值進(jìn)行對比，結(jié)果表明在測試集上的準(zhǔn)確率為91.31%。經(jīng)過異常值處理模型修復(fù)的數(shù)據(jù)滿足辛烷值損失要求，可為后續(xù)降低辛烷值損失提供數(shù)據(jù)支撐和主要特征改善提供依據(jù)。（剩余5073字）