公开(公告)号：CN116128049B

公开(公告)日：2023-06-30

申请号：CN202310353400.X

申请日：2023-04-04

Applicant: 厦门大学

Inventor： 陈能汪 ,  余镒琦 ,  杨艾琳

IPC: G06N3/096 ,  G06N3/0442 ,  G06Q50/06

Abstract: 本发明公开了一种基于XGBoost模型的水质预测模型迁移条件选择方法，包括以下步骤：S1、对河流水质自动监测站的水质数据进行预处理；S2、每个站点分别构建LSTM深度学习模型，建立模型库；S3、利用不同的迁移学习算法，将模型库中的模型迁移至其他站点，记录迁移条件信息以及迁移误差；S4、以步骤S3中迁移条件信息为输入变量，迁移误差为预测目标，构建XGBoost模型；S5、对于目标站点，利用训练完毕的XGBoost模型从模型库中找出最佳迁移条件，并用迁移后的模型进行水质预测；该方法灵活易用，在处理有限样本数据时有明显的优势，能有效提升地表水水质预测精度。

公开(公告)号：CN116128049A

公开(公告)日：2023-05-16

申请号：CN202310353400.X

申请日：2023-04-04

Applicant: 厦门大学

Inventor： 陈能汪 ,  余镒琦 ,  杨艾琳

IPC: G06N3/096 ,  G06N3/0442 ,  G06Q50/06

Abstract: 本发明公开了一种基于XGBoost模型的水质预测模型迁移条件选择方法，包括以下步骤：S1、对河流水质自动监测站的水质数据进行预处理；S2、每个站点分别构建LSTM深度学习模型，建立模型库；S3、利用不同的迁移学习算法，将模型库中的模型迁移至其他站点，记录迁移条件信息以及迁移误差；S4、以步骤S3中迁移条件信息为输入变量，迁移误差为预测目标，构建XGBoost模型；S5、对于目标站点，利用训练完毕的XGBoost模型从模型库中找出最佳迁移条件，并用迁移后的模型进行水质预测；该方法灵活易用，在处理有限样本数据时有明显的优势，能有效提升地表水水质预测精度。