-
题名基于特征选择算法的建筑能耗预测集成模型
被引量:3
- 1
-
-
作者
白雪
刘刚
黄蕾
钟韬
乔丹
杨执钧
-
机构
上海电力大学自动化工程学院
上海电力大学图书馆
-
出处
《计算机工程与设计》
北大核心
2020年第10期2892-2896,共5页
-
文摘
为提高建筑能耗预测效果,提出一种基于随机森林特征选择算法的建筑能耗预测集成回归模型(RF-GBDT)。通过随机森林的特征选择算法处理原始数据集生成最优特征子集,使用梯度提升决策树算法将6种基础的机器学习算法建立集成回归模型,以最优特征子集作为集成模型的输入数据集。使用评价指标RMSE和R^2将集成模型预测结果与传统集成模型以及单一机器学习算法的预测结果进行对比,实验结果验证了集成后的RF-GBDT模型比单一算法的预测性能有了大幅度提升。
-
关键词
随机森林
梯度提升树
特征选择
集成回归模型
能耗预测
-
Keywords
random forest
gradient boosting decision tree
feature selection
ensemble regression model
energy consumption prediction
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名变机动高超声速滑翔目标的轨迹序列预测算法
被引量:3
- 2
-
-
作者
陈南华
赵良玉
雍恩米
娄泰山
-
机构
北京理工大学宇航学院
中国空气动力研究与发展中心
郑州轻工业大学电气信息工程学院
-
出处
《航空兵器》
CSCD
北大核心
2021年第2期40-48,共9页
-
基金
国家自然科学基金项目(12072027,11532002)。
-
文摘
针对变机动临近空间高超声速滑翔目标轨迹难以准确预测的问题,提出一种基于ARIMA-UKF的轨迹预测算法。首先,在目标机动变化情况下通过无迹Kalman滤波(Unscented Kalman Filter,UKF)算法实现对目标的跟踪估计,为轨迹预测提供基础数据;其次,通过对数据进行平稳性分析、模型辨识、参数估计和模型诊断来确定自回归集成滑动平均(Autoregressive Integrated Moving Average,ARIMA)模型,并根据该模型预测目标加速度信息;最后,结合UKF算法中的一步预测方法对目标轨迹进行预测。仿真结果表明,UKF算法能为轨迹预测提供位置误差小于100 m和速度误差小于1.2 m/s的跟踪估计数据;在目标变机动情况下相较于复合函数拟合预测方法,ARIMA-UKF算法预测150 s,100 s和50 s时的位置精度分别提升了5 km,4.5 km和2.3 km。
-
关键词
高超声速滑翔目标
轨迹预测
模型辨识
自回归集成滑动平均模型
无迹Kalman滤波
-
Keywords
hypersonic gliding target
trajectory prediction
model identification
ARIMA
UKF
-
分类号
TJ761
[兵器科学与技术—武器系统与运用工程]
V448.2
[航空宇航科学与技术—飞行器设计]
-