全国招商咨询热线

        相较于线性回归模型，支持向量回归(svR模型在处理非线性数据方面表现出更优的性能。基于SVR算法的氯丁密封胶常温模量预测结果与实际值对比如图5所示，氯丁密封胶常温拉伸强度及最强度伸长率的预测结果与实际值对比如图6所示。由图5和图6可知:氯丁密封胶常温模量及氯丁密封胶常温拉伸强度、最大强度伸长率的预测值相较于实测值均趋于平稳。其中，氯丁密封胶常温模量预测模型的拟合优度系数(Rz)为0.28281，均方误差MSE为0.002654。氯丁密封胶拉伸强度和最大强度伸长率的模型预测决定系数R分别为0.42677和0.31726，均方误差MSE分别为0.019663和1611.3650。该现象主要归因于SVR模型抗噪能力较弱，易受边缘样本点干扰。如图1所示，氯丁密封胶常温模量中存在个别偏离加速模量较大的异常数据。同样，图2也显示氯丁密封胶常温拉伸强度及最大强度伸长率中存在若干趋势异于整体的离散点。此类边缘信号点易导致SVR模型为降低整体误差而过度妥协，表现为通过放大MSE的方式进行保守预测。随机森林(RF)模型RF模型是由多个决策树组成的，对噪声数据等有较好的包容性。氯丁密封胶RF算法常温模量预测结果与实际结果如图7所示，氯丁密封胶RF算法常温拉伸强度、最大强度伸长率预测结果与实际结果如图8所示。由图7和图8可知:基于该模型可实现对氯丁密封胶常温弹性模量、氯丁密封胶常温拉伸强度及最大强度伸长率的较高精度预测。其中，氯丁密封胶常温弹性模量的随机森林模型预测决定系数Rz为0.93443，均方误差MSE为0.000017。氯丁密封胶常温拉伸强度和最大强度伸长率在随机森林模型的预测中决定系数R分0.93457和0.92584，均方误差MSE分别0.004589和197.2483。这是由于尽管样本数据中存在边缘点信号，但该信号分布于各决策树之中，并不干扰输人特征与输出特征间的映射关系，故随机森林模型在本研究情境下具备较高的适用性与稳健性。http://www.sdyuantai.net/