一种基于特征优化的随机森林注塑产品质量预测方法研究

发布时间:2026-09-21 | 来源:中国塑料 | 作者:黄子力, 檀学莹, 赵奇, 陈晓玲, 邓媞, 雍占琦, 刘星

提出一种面向多质量状态智能分类的集成学习模型。该模型通过对注射成型过程中5个关键阶段的工艺参数进行分段采集与特征构建,并融合主成分分析(PCA)与XGBoost算法进行降维与特征筛选,最终基于筛选后的特征构建随机森林(RF)分类模型,实现高精度质量预测,精确度达91 %,召回率达93 %,F1分数达91 %,准确率达9

提出一种面向多质量状态智能分类的集成学习模型。该模型通过对注射成型过程中5个关键阶段的工艺参数进行分段采集与特征构建,并融合主成分分析(PCA)与XGBoost算法进行降维与特征筛选,最终基于筛选后的特征构建随机森林(RF)分类模型,实现高精度质量预测,精确度达91 %,召回率达93 %,F1分数达91 %,准确率达93 %。

返回资讯频道