基于XGBoost优化算法的储粮温度预测研究

摘要

为解决传统粮仓储粮温度预测模型的预测精度低、输入变量多的问题,提出一种基于主成分分析(PCA)、贝叶斯算法和XGBoost的组合预测模型。通过主成分分析法提取粮仓中影响粮温的主要因素,降低模型输入向量维数,利用贝叶斯算法对XGBoost超参数进行组合优化,以获取最优参数组合,建立粮温预测模型。结果表明,该模型预测误差小、精度高,可为粮仓的温度调控管理提供决策依据。