基于XGBoost-ELM的氧化铝溶出率预测研究

• 作者: 周廷俨 李晋宏
• 来源期刊: 电子元器件与信息技术
• 学科: 工学
• 关键词: XGBoost 极限学习机 氧化铝 溶出率
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 大数据与信息处理
• 页码范围: 55-57
• 页数: 3页
• 分类号: TF821
• 语种: 中文
• DOI: 10.19772/j.cnki.2096-4455.2021.1.026

摘要

针对拜耳法生产氧化铝过程中无法实时获取氧化铝溶出效果的问题,建立了极端梯度提升算法(Extreme Gradient Boosting,XGBoost)和极限学习机(Extreme Learning Machine,ELM)相结合的氧化铝溶出率预测模型,综合考虑影响氧化铝溶出率的多种因素,首先利用XGBoost算法对这些因素做重要性排序,把重要性较大的作为ELM的输入,然后对构建的ELM预测模型进行训练,最后对样本进行仿真并与SVR算法和未经过XGBoost算法处理的ELM预测模型进行对比,结果表明,XGBoost-ELM模型具有较高的预测效果且速度较快.