基于改进ARMA-XGBoost算法的汽油辛烷值损失预测模型
打开文本图片集
摘 要：针对汽油辛烷值损失数据中异常采样数据，本文提出一种基于机器学习的汽油辛烷值数据处理方法。该方法包括基于XGBoost的缺失值预测分析及基于Random Forest的异常值处理、再利用基于ARMA算法的特征降维模型，将模型的预测值与真实值进行对比，结果表明在测试集上的准确率为91.31%。经过异常值处理模型修复的数据满足辛烷值损失要求，可为后续降低辛烷值损失提供数据支撑和主要特征改善提供依据。（剩余5073字）