[发明专利]基于多种机器学习的CHF预测方法及装置

权利要求书

1.一种基于多种机器学习的CHF预测方法，其特征在于，包括：

获得待预测数据集，待预测数据集包括一组或多组待预测数据，每一组的待预测数据均包括压力、质量流速、含水率三个参数；

将每一组待预测数据输入预测模型中，输出对应的CHF预测值，导出预测结果文件，其中预测模型为多个待用预测模型中精度最高的，每个待用预测模型均为使用多组基本数据通过机器学习训练后得出的，每个待用预测模型对应的机器学习算法均不相同，多组基本数据中的每一组基本数据均包括压力、质量流速、含水率三个参数和对应的CHF值；

结合预测结果文件，绘制CHF值变化图。

2.根据权利要求1所述的基于多种机器学习的CHF预测方法，其特征在于，所述CHF值变化图为2D曲线图或3D曲面图，所述绘制CHF值变化图包括：

在压力、质量流速、含水率三个参数中选取一个参数固定，并确定该参数值，在预测结果文件中查找包含该参数值的所有预测结果数据，形成3D曲面图；

在压力、质量流速、含水率三个参数中选取两个参数固定，并确定对应的两个参数值，在预测结果文件中查找包含这两个参数值的所有预测结果数据，形成2D曲线图。

3.根据权利要求1或2所述的基于多种机器学习的CHF预测方法，其特征在于，所述确定预测模型，包括：

获得基本数据文件，其中基本数据文件包括多组基本数据，每一组基本数据均包括压力、质量流速、含水率三个参数和对应的CHF值；

将基本数据文件划分为训练集和测试集；

使用训练集对不同的机器学习算法进行训练，获得多个待用预测模型；

使用测试集对每个待用预测模型进行测试，获得测试结果；

对所有待用预测模型的测试结果进行回归评价，选取回归效果最好的作为预测模型。

4.根据权利要求3所述的基于多种机器学习的CHF预测方法，其特征在于，所述获得基本数据文件，包括：

在多个公开文献资料中提取若干原始数据点，其中原始数据点包括压力、质量流速、含水率、CHF值；

对若干原始数据点进行特征工程处理；

剔除若干原始数据点中的空数据及异常数据；

将若干原始数据点制作形成标准格式的基础数据文件，其中基本数据文件包括多组基本数据，每一组基本数据均包括压力、质量流速、含水率三个参数和对应的CHF值。

5.根据权利要求3或4所述的基于多种机器学习的CHF预测方法，其特征在于，所述多种机器学习算法包括多项式回归算法、神经网络回归算法、最近邻方法回归算法、线性回归算法、决策树回归算法、岭回归算法、弹性网模型回归算法、支持向量机回归算法、XGBoost算法。

6.根据权利要求1至5中任意一项所述的基于多种机器学习的CHF预测方法，其特征在于，所述待预测数据集以CSV文件形式导入，预测结果文件以CSV文件形式导出。

7.一种根据权利要求1至6中任意一项所述的基于多种机器学习的CHF预测装置，其特征在于，包括：

待预测数据集导入单元，获得待预测数据集，待预测数据集包括一组或多组待预测数据，每一组的待预测数据均包括压力、质量流速、含水率三个参数；

CHF预测单元，将每一组待预测数据输入预测模型中，输出对应的CHF预测值，导出预测结果文件，其中预测模型为多个待用预测模型中精度最高的，每个待用预测模型均为使用多组基本数据通过机器学习训练后得出的，每个待用预测模型对应的机器学习算法均不相同，多组基本数据中的每一组基本数据均包括压力、质量流速、含水率三个参数和对应的CHF值；

绘图单元，结合预测结果文件，绘制CHF值变化图。