期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于集成学习算法的金浸出率智能预测模型设计研究
1
作者 周一帆 《湿法冶金》 北大核心 2025年第5期698-705,共8页
针对金浸出率预测准确率不高及噪声数据较大的问题,提出了一种高效的智能预测方法。将改进的XGBoost和LightGBM模型相结合,并采用动态学习率、正则化优化和贝叶斯优化算法,设计了一个集成学习模型对金浸出率进行预测。结果表明:相较于... 针对金浸出率预测准确率不高及噪声数据较大的问题,提出了一种高效的智能预测方法。将改进的XGBoost和LightGBM模型相结合,并采用动态学习率、正则化优化和贝叶斯优化算法,设计了一个集成学习模型对金浸出率进行预测。结果表明:相较于传统单一模型,集成学习模型预测精度明显提升,其均方误差较XGBoost和LightGBM分别降低28.8%和22.9%左右,在真实生产环境中稳定性较高。该集成学习模型能够有效提高金浸出率的预测精度,具有较强的实际应用价值。 展开更多
关键词 金浸出率 预测 集成学习 XGBoost模型 LightGBM模型 数值仿真
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部