液体超声波流量计的多状态分类研究

发布时间：2023-06-19 19:36

　　超声波流量计是通过检测流体流动对超声束的作用来测量流量的仪表,广泛应用于流量不易测量的一类流量计。近年来超声波流量计受到各界人士的青睐,其中液体超声波流量计开始蓬勃发展,并被广泛应用于各行各业中。本文通过用UCI上2018年的四种液体超声波流量计共计获取到的540个示例样本的173种属性作为原始数据。首先对四种液体超声波流量计所获取的原始数据下进行数据预处理,对数据进行填补缺失值、标准化数据,然后分别在四种液体超声波流量计所获取的数据下进行数据集的划分,采用R语言中的strata函数对每一类抽取25%左右的数据作为验证集,对各自剩余的数据集进行数据分析。利用VSCC方法对剩余的数据集进行特征选择,在选取不同的阈值下利用十折交叉验证,结合数据挖掘的一些经典分类算法如支持向量机、人工神经网络、随机森林、基于决策树Bagging、基于决策树的Boosting等方法选取各自对应的最佳阈值。接下来利用各自方法在对应的最佳阈值下对验证集进行评价,发现在流量计A上使用人工神经网络选取所有的36个特征变量的预测精度最高,为94.4%;使用支持向量机选取12个特征变量的预测精度次之,为90.6%。在流量...

【文章页数】：49 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 引言
    1.1 研究背景
    1.2 研究现状
    1.3 研究内容及章节安排
第二章 数据分类及集成模型
    2.1 特征变量选择――VSCC
    2.2 交叉验证
        2.2.1 K折交叉验证
        2.2.2 留K交叉验证
    2.3 单一分类模型
        2.3.1 支持向量机
        2.3.2 人工神经网络
    2.4 集成模型
        2.4.1 随机森林
        2.4.2 Bagging
        2.4.3 Boosting
    2.5 模型评价指标
第三章 模型建立与分析
    3.1 数据集描述
    3.2 二状态（仪表A）液体超声波流量计的分类
        3.2.1 数据集划分
        3.2.2 数据建模
        3.2.3 模型评价
    3.3 三状态（仪表B）液体超声波流量计的分类
        3.3.1 数据集划分
        3.3.2 数据分析
        3.3.3 模型评价
    3.4 四状态（仪表C）液体超声波流量计的分类
        3.4.1 数据集划分
        3.4.2 数据分析
        3.4.3 模型评价
    3.5 四状态（仪表D）液体超声波流量计的分类
        3.5.1 数据集划分
        3.5.2 数据分析
        3.5.3 模型评价
第四章 总结与展望
    4.1 总结
    4.2 展望
参考文献
致谢



本文编号：3834996