申请/专利权人:华东理工大学
申请日:2024-01-30
公开(公告)日:2024-03-15
公开(公告)号:CN117711519A
主分类号:G16C20/20
分类号:G16C20/20;G16C20/70;G06N5/01;G06N20/20
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.02#实质审查的生效;2024.03.15#公开
摘要:本发明提供了一种石脑油分子组成的预测方法、系统及存储介质。所述石脑油分子组成的预测方法包括以下步骤:获取石脑油流股的多组历史属性数据及其对应的多组分子组成数据;构建预测所述分子组成的第一梯度提升决策树模型;将多组所述样本数据中的历史属性数据依次输入所述第一梯度提升决策树模型,以获得对应的实际输出,并确定所述实际输出相较其对应的分子组成数据的误差;构建第二梯度提升决策树模型,并合并所述第一梯度提升决策树模型及所述第二梯度提升决策树模型,以获得第三梯度提升决策树模型;训练所述第三梯度提升决策树模型;以及将待测样本的属性数据输入完成训练的第三梯度提升决策树模型,以预测所述待测样本的分子组成。
主权项:1.一种石脑油分子组成的预测方法,其特征在于,包括以下步骤:获取石脑油流股的多组历史属性数据及其对应的多组分子组成数据,以构建多组样本数据;构建预测所述分子组成的第一梯度提升决策树模型;将多组所述样本数据中的历史属性数据依次输入所述第一梯度提升决策树模型,以获得对应的实际输出,并确定所述实际输出相较其对应的分子组成数据的误差;根据所述第一梯度提升决策树模型及所述误差指示的模型优化方向,构建第二梯度提升决策树模型,并合并所述第一梯度提升决策树模型及所述第二梯度提升决策树模型,以获得第三梯度提升决策树模型;以最小化所述误差为目标,调整所述第三梯度提升决策树模型的模型参数,以训练所述第三梯度提升决策树模型;以及将所述石脑油流股的待测样本的属性数据输入完成训练的第三梯度提升决策树模型,以预测所述待测样本的分子组成。
全文数据:
权利要求:
百度查询: 华东理工大学 一种石脑油分子组成的预测方法、系统及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。