首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

多年冻土上限预测方法、装置、设备及存储介质 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:石家庄铁道大学

摘要:本申请适用于数据处理技术领域,提供了多年冻土上限预测方法、装置、设备及存储介质,该方法包括:获取目标路基的历史多年冻土上限数据,以及影响历史多年冻土上限数据的历史环境数据,得到训练集和测试集;根据训练集和测试集训练多年冻土上限预测模型;其中,多年冻土上限预测模型为随机森林算法、极端梯度提升算法和长短期记忆网络结合形成的预测模型;基于影响目标时段多年冻土上限数据的环境数据和完成训练的多年冻土上限预测模型,预测目标路基在目标时段的多年冻土上限;其中,目标时段为未来任意时间段。本申请能够准确的预测多年冻土上限。

主权项:1.一种多年冻土上限预测方法,其特征在于,包括:获取目标路基的历史多年冻土上限数据,以及影响所述历史多年冻土上限数据的历史环境数据,得到训练集和测试集;根据所述训练集和所述测试集训练多年冻土上限预测模型;其中,所述多年冻土上限预测模型为随机森林算法、极端梯度提升算法和长短期记忆网络结合形成的预测模型;基于影响目标时段多年冻土上限数据的环境数据和完成训练的多年冻土上限预测模型,预测所述目标路基在所述目标时段的多年冻土上限;其中,所述目标时段为未来任意时间段;所述根据所述训练集和所述测试集训练多年冻土上限预测模型,包括:通过交叉验证将所述训练集进行随机划分,得到多组训练数据和多组对应的验证数据;将所述随机森林算法、所述极端梯度提升算法和所述长短期记忆网络均作为目标算法,对每个目标算法进行参数初始化、参数寻优和参数修正,得到每个目标算法最终的参数集合;基于多组验证数据,计算所述随机森林算法的权重、所述极端梯度提升算法的权重和所述长短期记忆网络的权重;基于随机森林算法最终的参数集合、极端梯度提升算法的参数集合、长短期记忆网络最终的参数集合、所述随机森林算法的权重、所述极端梯度提升算法的权重和所述长短期记忆网络的权重,得到训练完成的多年冻土上限预测模型;所述对每个目标算法进行参数初始化、参数寻优和参数修正,得到每个目标算法最终的参数集合,包括:初始化每个目标算法的参数;基于所述多组训练数据和多组对应的验证数据通过网格法,对每个目标算法的参数进行寻优,得到每个目标算法的最优参数集合;选择均方误差作为每个目标算法的损失函数,基于所述测试集、每个目标算法的最优参数集合和每个目标算法,计算每个目标算法的误差值,基于每个目标算法的误差值对每个目标算法的最优参数集合进行修正,直至每个目标算法的最优参数集合不再发生变化或者训练次数达到第一预设值,得到每个目标算法最终的参数集合;所述基于多组验证数据,计算所述随机森林算法的权重、所述极端梯度提升算法的权重和所述长短期记忆网络的权重,包括:基于所述多组验证数据中的历史环境数据和所述随机森林算法,预测得到多个第一预测值;基于所述多组验证数据中的历史环境数据和所述极端梯度提升算法,预测得到多个第二预测值;基于所述多组验证数据中的历史环境数据和所述长短期记忆网络,预测得到多个第三预测值;基于最小绝对误差线性加权法、所述多个第一预测值、所述多个第二预测值和所述多个第三预测值,计算得到所述随机森林算法的权重、所述极端梯度提升算法的权重和所述长短期记忆网络的权重;所述基于最小绝对误差线性加权法、所述多个第一预测值、所述多个第二预测值和所述多个第三预测值,计算得到所述随机森林算法的权重、所述极端梯度提升算法的权重和所述长短期记忆网络的权重,包括:基于所述最小绝对误差线性加权法、所述多个第一预测值、所述多个第二预测值和所述多个第三预测值,结合第一公式,计算得到所述随机森林算法的权重、所述极端梯度提升算法的权重和所述长短期记忆网络的权重;所述第一公式为: 其中,表示第个第一预测值,表示第个第二预测值,表示第个第三预测值,表示所述随机森林算法的权重,表示所述极端梯度提升算法的权重,表示所述长短期记忆网络的权重,表示第个验证数据中历史多年冻土上限的真实值。

全文数据:

权利要求:

百度查询: 石家庄铁道大学 多年冻土上限预测方法、装置、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术