[发明专利]一种基于随机森林算法的离子浓度预测方法

摘要

一种基于随机森林算法的离子浓度预测方法，所述方法包括如下步骤：样本采集得到离子浓度数据以及与离子浓度相关的数据；对样本采集得到的所有数据进行标准化处理得到初始样本集；从初始样本集有放回地抽取一部分初始样本组成一组训练集，剩下的样本组成一组测试集；选定CART决策树作为随机森林算法中的弱学习算法对训练集训练得到弱学习机，共进行K次迭代，从而得到弱学习机序列，序列中包含各弱学习机h₁，h₂....h_k，该序列即为强学习机H；利用强学习机H对待测样本进行预测，对预测值取平均值得到测试样本的预测值。根据本发明提供的基于随机森林算法的离子浓度预测方法，用于预测离子浓度，具有极佳的拟合效果，该预测模型描述离子浓度具有较好的精确度。

主权项

1.一种基于随机森林算法的离子浓度预测方法，其特征在于，所述的方法包括如下步骤：1)样本采集得到离子浓度数据以及与离子浓度相关的数据；2)对样本采集得到的所有数据进行标准化处理得到初始样本集；3)从初始样本集有放回地抽取一部分初始样本组成一组训练集，剩下的样本组成一组测试集；4)选定CART决策树作为随机森林算法中的弱学习算法，在建立CART决策树的过程中，每次随机选择部分特征，在特征属性中选择最佳划分属性，完成训练集样本的训练得到弱学习机；5)重复步骤3)、4)，得到预测函数序列h，将该预测函数序列h对测试集样本进行预测，计算测试集预测误差，当测试集预测误差小于设定值，终止迭代过程，共进行K次迭代，从而得到弱学习机序列，序列中包含各弱学习机h1，h2....hk，该序列即为强学习机H；6)将强学习机H作为离子预测模型，将待测样本的离子属性数据输入到强学习机H，强学习机H利用其各个弱学习机h1，h2....hk分别对待测样本进行预测，对预测函数序列的预测值取平均值得到待测样本的预测值。