科研之友
微信
新浪微博
Facebook
分享链接
摘要
人工智能技术和机器学习算法的快速发展,为产品质量预测问题提供了崭新的解决方案.现有质量预测方法多为单一模型,在制造过程发生变化和产品数据波动大的情况下,预测结果存在较大的偏差.针对这一工业问题,考虑不同算法的数据观测机理和训练方式,提出了一种基于模型融合的Stacking集成框架,从SVC、XGB、KNN等算法中选择最优组合,对基学习层的构建方式进行优化配置,并以LGBM作为元学习器.使用CCF西门子工业大数据集对所提算法进行验证,与单一预测方法以及其他集成算法进行比较,实验结果表明所提方法具有更高的预测精度和稳定性.
- 单位
