| 神经网络与解释模型在非结冰期含沙量预测中的应用 |
| |
| 引用本文： | 白鹭,鲁思琪,信昆仑,任鹏,朱赫,穆旭东. 神经网络与解释模型在非结冰期含沙量预测中的应用[J]. 计算机系统应用, 2023, 32(12): 276-283 |
| |
| 作者姓名： | 白鹭 鲁思琪 信昆仑 任鹏 朱赫 穆旭东 |
| |
| 作者单位： | 银川中铁水务集团有限公司, 银川 750004;同济大学 环境科学与工程学院, 上海 200092 |
| |
| 摘 要： | 基于大量历史数据的预测在环境治理、城市交通等领域已经成为必不可少的一个环节, 预测的准确性对实际生产、调度等工作有着重要影响. 受自然因素或人为因素的影响, 一些数据表现出高波动性以及不确定性, 导致无法充分发挥预测模型的最大优势. 本研究以非结冰期含沙量预测为案例, 探究了针对高波动性数据预测的优化方法, 发现通过基于SHAP方法的特征选择优化、数据平稳化以及前期聚类可以有效降低对高波动数据的预测误差, MAE从初始模型的1.502降低到0.194, 其中数据平稳化的优化效果最显著, MAE降低了76.51%, 但随着平稳化的阶数增大, 预测结果反而变差, 这是由于随着平稳化的阶数越高, 后续指数化的阶数也对应提升, 从而导致误差的指数倍增长. 此外, 将聚类结果作为特征输入可以有效“引导”多层感知机的参数学习过程.
|
| 关 键 词： | 高波动数据 预测优化 人工神经网络 模型可解释性 特征选择 |
| 收稿时间： | 2023-06-09 |
| 修稿时间： | 2023-07-12 |
Application of Neural Networks and Interpretation Models in Sediment Concentration Prediction During Non-ice Period |
| |
| BAI Lu,LU Si-Qi,XIN Kun-Lun,REN Peng,ZHU He,MU Xu-Dong. Application of Neural Networks and Interpretation Models in Sediment Concentration Prediction During Non-ice Period[J]. Computer Systems& Applications, 2023, 32(12): 276-283 |
| |
| Authors: | BAI Lu LU Si-Qi XIN Kun-Lun REN Peng ZHU He MU Xu-Dong |
| |
| Affiliation: | Yinchuan China Railway Water Group Co. Ltd., Yinchuan 750004, China;College of Environmental Science and Engineering, Tongji University, Shanghai 200092, China |
| |
| Abstract: | |
| |
| Keywords: | high-volatility data prediction optimization artificial neural network model interpretability feature selection |
|
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
