[发明专利]铁塔钢材指标预测模型的训练方法、装置及可读存储介质

权利要求书

1.一种铁塔钢材指标预测模型的训练方法，其特征在于，所述方法包括：

获取初始样本数据，所述初始样本数据包括所述铁塔钢材指标的目标设计变量和所述目标设计变量在不同取值时对应的指标实际值；

利用所述初始样本数据对初始模型进行训练，获得中间模型；

利用所述中间模型对所述铁塔钢材指标进行预测，获得所述目标设计变量在不同取值时对应的指标预测值；

根据所述指标预测值和所述指标实际值，确定所述中间模型的评估结果；

在所述评估结果小于或等于预设阈值的情况下，将所述中间模型确定为所述铁塔钢材指标预测模型；

所述初始模型包括元学习器和M个基学习器，M为大于1的整数；所述利用所述初始样本数据对初始模型进行训练，获得中间模型，包括：

将初始训练集划分成K个训练子集，所述初始训练集包含于所述初始样本数据，K为大于1的整数；

利用所述K个训练子集对所述M个基学习器进行K次训练和K次测试，获取M个中间训练集，其中，每个所述中间训练集均包括K个第一预测结果；

将所述M个中间训练集作为所述元学习器的输入数据进行训练；

将训练后的M个基学习器和训练后的元学习器，确定为所述中间模型；

所述利用所述K个训练子集对所述M个基学习器进行K次训练和K次测试，获取M个中间训练集，包括：

对所述K个训练子集进行K次划分，获取K个第一训练集和K个第二训练集，其中，所述第一训练集为所述K个训练子集中的K-1个训练子集的集合，所述第二训练集为所述K个训练子集中除所述第一训练集外的其他训练子集的集合；

将所述K个第一训练集输入至第一基学习器中进行K次训练，得到K个训练后的第一基学习器，所述第一基学习器为所述M个基学习器中的任一基学习器；

将所述K个第二训练集输入至所述K个训练后的第一基学习器中进行测试，得到中间训练集，其中，所述中间训练集包括K个第一预测结果，每个所述第一预测结果的数量与每次参与测试的第二训练集中的样本数量相同；

所述利用所述中间模型对所述铁塔钢材指标进行预测，获得所述目标设计变量在不同取值时对应的指标预测值，包括：

将初始测试集输入至所述K个训练后的第一基学习器中进行测试，获得中间测试集，其中，所述初始测试集为所述初始样本数据中除所述初始训练集外的其他样本数据，所述中间测试集为K个第二预测结果的均值，每个所述第二预测结果的数量与所述初始测试集的样本数量相同；

将所述M个基学习器对应的所述中间测试集输入训练后的元学习器进行预测，获得所述目标设计变量在不同取值时对应的指标预测值；

所述M个基学习器包括梯度提升迭代决策树子模型、支持向量机子模型和反向传播神经网络子模型，所述元学习器包括Stacking集成学习子模型；

所述获取初始样本数据，包括：

获取铁塔钢材指标的历史数据中的设计变量类型；

基于预设的随机森林算法，从所述设计变量类型中确定出目标设计变量，所述目标设计变量包括风速、覆冰程度、导线型号、地形比例、耐张塔比例、单公里杆塔数量、直线塔平均呼高和耐张塔平均呼高中的至少一项；

以所述目标设计变量为维度对所述目标设计变量的取值和所述指标实际值进行统计，得到初始样本数据；

在所述根据所述指标预测值和所述指标实际值，确定所述中间模型的评估结果之后，所述方法还包括：

在所述评估结果大于所述预设阈值的情况下，对所述中间模型的参数值进行调整，获得新的中间模型；

将所述新的中间模型作为所述初始模型，并执行利用所述初始样本数据对初始模型进行训练，获得中间模型的步骤。