申请/专利权人:北京熙诚紫光科技有限公司
申请日:2020-05-29
公开(公告)日:2024-03-22
公开(公告)号:CN111723944B
主分类号:G06N20/10
分类号:G06N20/10;G06Q10/04;G06F17/18;G06Q10/0639;G06F18/214
优先权:
专利状态码:有效-授权
法律状态:2024.03.22#授权;2020.10.27#实质审查的生效;2020.09.29#公开
摘要:本发明涉及一种CHF预测技术领域,是一种基于多种机器学习的CHF预测方法及装置,包括:获得待预测数据集;将每一组待预测数据输入预测模型中,输出对应的CHF预测值,导出预测结果文件;结合预测结果文件,绘制CHF值变化图。本发明提出了一种基于多种机器学习的CHF预测方法及装置,根据需要选取基础数据,并通过多种机器学习获得对应的多个待用预测模型,选择其中预测精度最高的作为最终使用的预测模型,从而提高了CHF预测精度,增加了本发明的使用灵活度,扩大了本发明的应用范围,并通过结合预测结果文件绘制CHF值变化图,直观体现CHF值变化规律,增加本发明的使用效果及用户体验。
主权项:1.一种基于多种机器学习的CHF预测方法,其特征在于,包括:获得待预测数据集,待预测数据集包括一组或多组待预测数据,每一组的待预测数据均包括压力、质量流速、含水率三个参数;将每一组待预测数据输入预测模型中,输出对应的CHF预测值,导出预测结果文件,其中预测模型为多个待用预测模型中精度最高的,所述确定预测模型包括:获得基本数据文件,其中基本数据文件包括多组基本数据,每一组基本数据均包括压力、质量流速、含水率三个参数和对应的CHF值;将基本数据文件划分为训练集和测试集;使用训练集对不同的机器学习算法进行训练,获得多个待用预测模型;使用测试集对每个待用预测模型进行测试,获得测试结果;对所有待用预测模型的测试结果进行回归评价,选取回归效果最好的作为预测模型;结合预测结果文件,绘制CHF值变化图,其中CHF值变化图为2D曲线图或3D曲面图,所述绘制CHF值变化图包括:在压力、质量流速、含水率三个参数中选取一个参数固定,并确定该参数值,在预测结果文件中查找包含该参数值的所有预测结果数据,形成3D曲面图;在压力、质量流速、含水率三个参数中选取两个参数固定,并确定对应的两个参数值,在预测结果文件中查找包含这两个参数值的所有预测结果数据,形成2D曲线图。
全文数据:
权利要求:
百度查询: 北京熙诚紫光科技有限公司 基于多种机器学习的CHF预测方法及装置
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。