基于生物质工业分析的高位热值预测

发布时间：2021-08-27 01:35

　　生物质工业分析相比于元素分析或化学分析更便捷且成本更低,用工业分析来预测高位热值具有较高的应用价值。利用机器学习来拟合的过程非常依赖数据本身,即数据的大小以及质量,少数质量差的数据会对拟合效果产生较大的影响,因此有必要探索出适用于现阶段数据量小且存在异常点情况下的线性拟合方法。本文提出了3种异常点的处理方法:方法一是利用四分位距寻找异常点并剔除;方法二是采用中间数据的统计值来对原始数据进行预处理;方法三是利用岭回归替代常规的线性回归增强其抗异常点干扰的能力。分析拟合结果发现,岭回归在现阶段数据量小且存在异常点的情况下具有最好的线性拟合效果。 

【文章来源】：热力发电. 2018,47(12)北大核心

【文章页数】：6 页

【文章目录】：
1 工业分析预测高位热值研究现状
2 实验数据及异常点处理
    2.1 寻找异常点并剔除
    2.2 原始数据预处理
    2.3 异常点岭回归
    2.4 3种数据异常点处理方法对比
3 结论



本文编号：3365380