基于随机搜索算法优化XGBoost的过热汽温预测模型

建立过热器汽温对象的高精度性能预测模型,是实现过热汽温智能优化控制的基础。为此,针对某600 MW超临界机组仿真系统的历史运行数据,采用机器学习中的XGBoost(eXtreme Gradient Boosting)回归模型建立过热器汽温特性的预测模型,并分别采用网格搜索算法和随机搜索算法对模型参数进行优化。通过比较两种优化模型的预测效果,结果表明:随机搜索算法可以进行多个参数组合寻优,收敛速度快,全局寻优的效果更好,优化后的过热汽温模型具有更好的预测精度和泛化能力。

基于多维数据融合的“校园贷”风险控制研究

“校园贷”作为信息化和消费金融行业快速发展的产物,是消费金融行业市场的重要组成部分。近年来,不良因素的介入使得“校园贷”沦为某些恶意利用者违法犯罪的工具和平台,高校亟需一份合适的“校园贷”自身视角方案。研究以构建金融管理服务中心和XGBoost风险评估模型为核心,从疏导、防范等多角度入手,满足大学生合理借贷需求同时,降低和防范高校“校园贷”风险,让高校“校园贷”处于有效的监管和风险控制之下。