基于XGBoost的固态白酒发酵产量预测

摘要：

论文针对固态白酒发酵过程中的数据具有高维、非线性的问题,采用XGBoost模型构建了一种新的固态白酒发酵产量预测模型.首先,采用马氏距离方法将原始样本中相关性较小的样本进行预处理,然后,基于预处理过后的数据,采用XGBoost模型进行产量预测,最后,为了验证算法的有效性,将BP神经网络、支持向量机、最小二乘支持向量机以及粒子群优化的最小二乘支持向量机模型与论文算法进行对比实验.实验结果表明基于XGBoost的预测模型的产量预测效果满足精度要求,并且产量预测的RMSE(均方根误差)分别比PSO-LSSVM、LSSVM、SVM和BP低10.8％、18.3％、23％和27.3％,具有较好的工程实际应用价值.

关键词：固态发酵、XGBoost、支持向量机、马氏距离、BP神经网络

所属期刊栏目：48

分类号：TP181;TS262.6(自动化基础理论)

在线出版日期：2020-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1233-1237,1251