模型的评价与推广.pdfVIP

1模型的评价与推广

1.1模型的优点

（1）本文采用的灰色关联分析计算过程相对简单，易于理解和实施。而且不依赖于

数据的分布特性，可以处理非正态分布的数据。同时能够揭示各因素之间的关联程度，为

决策提供依据。还可以应用于多个领域，如经济管理、工程技术、社会科学等。

（2）在热解产物产量的预测中，二维多项式拟合可以作为一个有效的工具来分析和

理解不同热解条件对产率的影响，尤其适用于初步分析和模型建立阶段。然而，需要注意

的是，多项式模型假设了变量间存在多项式关系，当实际关系更加复杂时，可能需要更高

级的模型来捕捉这些关系。

（3）本文多个模型（GBDT、XGBoost、RUSBoost）建立生物质和煤热解产物产率

预测模型，GBDT模型是通过不断代地进行数据优化，改善了热解产物产率预测不充分。

XGBoost利用多棵决策树学习数据中复杂的关系，得到准确的热解产物产率预测。GBDT

模型能够对不同的特征及数值特征进行自动的处理，特征工程工作量减小，增强生物质和

煤热解产物产率的预测效果。

（4）在对多模型预测问题上采用敏感度分析和稳健性检验，对初预测结果以绝对误

差和为目标函数的线性组合进行优化处理，有助于降低模型预测的风险性。

1.2模型的不足

（1）在GBDT模型的研究上，需要提前对数据的异常值进行处理。如果存在异常值

将会导致预测的数据出现偏差。需要进一步提升预测的性能。在XGBoost模型的研究上，

需要进一步提升预测的性能。在实际的场景中，错误的预测可能导致较大的风险，因此提

升预测的性能十分有必要。

（2）本文采用的灰色关联分析，在关联度的量化可能不如其他统计方法精确。并且

只能揭示变量之间的关联性，不能确定因果关系。同时在确定比较序列和参考序列时可能

存在一定的主观性。

1.3模型的推广

（1）实际应用中，灰色关联分析可以用于多种领域，包括但不限于：

⚫经济系统：分析不同经济指标对经济增长的影响。

⚫农业系统：评估不同农业政策或环境因素对作物产量的影响。

⚫工业生产：优化生产过程中的各种参数，提高产品收率和质量。

⚫资源管理：评估不同资源利用方式对系统可持续性的影响。

（2）文中应用机器学习模型配对数据的回归能力更强，已经在网络，国家电网和位

置信息等领域、疾病类别及其他领域有着广泛的应用与普及。

1