基于改进ARMA-XGBoost算法的汽油辛烷值损失预测模型.pdfVIP

FRONTIERDISCUSSION|前沿探讨

基于改进ARMA-XGBoost算法的汽油辛烷值损

失预测模型

112

游长莉唐成章胡江宇

1.兴义民族师范学院贵州省兴义市5624002.武汉纺织大学机械工程与自动化学院湖北省武汉市430200

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RandomForest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。

关键词：特征降维随机森林自回归滑动平均模型BP神经网络

AnalysisofagasolineoctanelosspredictionmodelbasedonanimprovedARMA-XGBoostalgorithm

YouChangliTangChengzhangHuJiangyu

AbstractTh