基于加权集成学习的车间生产进度异常预测

准确的生产进度异常预测对于提升车间生产效率具有重要意义,针对单一模型预测精度低、泛化能力弱等问题,提出一种基于加权集成学习的生产进度异常预测方法。首先,考虑不同模型挖掘数据和训练原理的差异,确定基学习器的种类,提高模型的适应性和准确性;其次,采用遗传算法对各基学习器的权重进行优化,进一步纠正基学习器的预测误差,构建生产进度异常预测集成模型。实例验证表明,所提方法可以准确预测出车间实际发生的生产进度异常,准确度达100%,提升了车间生产进度异常预测精度,并且在RMSE、MAE、R2指标上体现出更好的泛化性能。

资料为PDF文档格式.

本文档关键词:加权,进度,车间,预测,异常