CN114493023B 一种基于RF-Adaboost模型在异常水情数据中的诊断与插补方法 （中国水利水电科学研究院）_第1页
CN114493023B 一种基于RF-Adaboost模型在异常水情数据中的诊断与插补方法 （中国水利水电科学研究院）_第2页
CN114493023B 一种基于RF-Adaboost模型在异常水情数据中的诊断与插补方法 （中国水利水电科学研究院）_第3页
CN114493023B 一种基于RF-Adaboost模型在异常水情数据中的诊断与插补方法 （中国水利水电科学研究院）_第4页
CN114493023B 一种基于RF-Adaboost模型在异常水情数据中的诊断与插补方法 （中国水利水电科学研究院）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

号一种基于RF-Adaboost模型在异常水情数据本发明公开了一种基于RF-Adaboost模型在进的Adaboost模型并训练，应用RF-Adaboost模2w1i为每一个训练样本最开始被赋予相同的权m为误差率；3wmi为第m轮迭代时第i个训练样本被赋予的权2.根据权利要求1所述的基于RF-Adaboost模型在异常水情数据中的诊断与插补方法，采用RF作为基本分类器对Adaboost的样本数常值的实测水情数据对构建的基于RF-A所述的训练数据为时间跨度满一年的2小时实测水在每一轮的训练中都会通过RF进行分类得到一个新的弱分类3.根据权利要求1所述的基于RF-Adaboost模型在异常水情数据中的诊断与插补方法，4[0002]随着智慧调水的发展，已建成的明渠调水工程沿线都布设众多水情自动监测设[0003]利用单一的某种机器学习方法如三样条(Spline)插值、随机森林(RF)插值等方[0005]本发明的目的在于提供一种基于RF-Adaboost模型在异常水情数据中的诊断与插5[0017]所述实时诊断的标准具体为：数据小于μ-βσ[0026]e)选取随机森林(RF)作为基本分类器，对具有数据权重分布Dm的训练数据集学[0028]上式表示所述弱分类器Gm(x)通过一个阈值来对样本数据进6除异常值的实测水情数据对构建的基于RF-Adab骤S3中训练完成的所述基于RF-Adaboost模型，输出的预测变量值即是实时预测值以及异[0056]本发明公开了一种基于RF-Adaboost模型在异常水情数据中的诊断与插补方法，[0057]图1是实施例1中的基于RF-Adaboost模型在异常水情数据中的诊断与插补方法流[0059]图3是实施例1中采用基于RF-Adaboost模型对节制闸实测流量数据进行预测及插7[0062]本实施例采用一个具体的实施例，以南水北调中线为例，提供一种基于RF-选取滹沱河节制闸2018年1月1日至2018年12月31日的过闸流量数据作为研[0078]上式表示所述弱分类器Gm(x)通过一个阈值来对样本数据进8[0100]模型输入为剔除中值滤波后的噪声值、3-Sigma图诊断的异常值后的正常数据的[0102]将步骤1中获取水情监测数据的2小时时间序列数据作为RF-Adaboost模型输入，应用于步骤S3中训练完成的RF-Adaboost模型，输出的预测变量值即是实时预测值以及异[0104]本发明公开了一种基于RF-Adaboost模型在异常水情数据中的诊断与插补方法，9基于随机森林(RF)改进的Adaboost模型并训练，应用RF-Adaboo

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论