基于深度集成学习的甘蔗压榨抽出率预测方法

作者：蒙艳玫^*; 张月; 段青山

来源：三峡大学学报(自然科学版), 2023, 45(04): 101-107.

DOI：10.13393/j.cnki.issn.1672-948x.2023.04.016

• 甘蔗压榨抽出率
• 集成学习
• 深度学习
• 数据驱动建模

先进的甘蔗压榨建模方法能够给生产提供指导，有利于提高糖厂的经济效益并节约能源.本文选择深度极限学习机(DELM)和长短期记忆网络(LSTM)作为基学习器，极端梯度提升(XGBoost)作为元学习器，构建了Stacking深度集成学习模型，用于甘蔗压榨抽出率的在线预测；并通过计算和实验，验证该方法的可行性和有效性.与其他模型相比较，本文所提模型的预测精度高5%～12%,并且对数据的敏感性更低，泛化性更好，能够适应甘蔗压榨的不同工况.

• 单位
  广西大学