面向袋式除尘器的大数据挖掘XGBoost优化算法研究

• 作者: 刘丽冰 熊桂龙 王宇 王梦雅 赵丹琳
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 袋式除尘器 大数据挖掘 XGBoost模型 蚁群算法优化 破袋监测
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 学术论文
• 页码范围: 159-167
• 页数: 9页
• 分类号: TN06|TM925.31
• 语种: 中文
• DOI: 10.13382/j.jemi.B1902787

摘要

袋式除尘器在产品生命周期不同阶段,包括设计、仿真、制造、测试实验以及运维等阶段都会产生大量数据,挖掘产品大数据与其运行特性之间复杂、非线性、耦合的内在关联,为解决袋式除尘器行业设计创新、运维优化等关键共性技术提供新思路.针对袋式除尘器大数据特点,提出了一种用于袋式除尘器滤袋破损在线监测的大数据挖掘XGBoost模型,研究了基于蚁群算法的XGBoost模型参数优化方法.研究结果表明,与随机森林、BP网络挖掘模型相比,XGBoost优化模型方法准确度高,识别速度快,可解释性强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王宇		28	43	3.0	5.0
2	王梦雅		7	22	3.0	4.0
3	刘丽冰		74	478	12.0	20.0
4	熊桂龙		1	0	0.0	0.0
5	赵丹琳		1	0	0.0	0.0