《表3 两种模型预测结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于随机森林算法的航空发动机振动趋势预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为对比分析随机森林算法模型性能，用相同数据样本建立支持向量机（SVM）预测模型。支持向量机模型核函数采用高斯函数，通过网格搜索寻优的方法获得模型最优的惩罚系数C、核参数γ、回归参数ε，支持向量机模型与随机森林算法模型预测结果的对比分别见表3和图4。从预测结果可知，两种模型均取得了满意的预测结果，在测试集上随机森林算法模型预测得分0.997，而支持向量机模型得分为0.987，说明随机森林算法的预测精度更高，泛化能力更强。另外，在训练时间上，支持向量机参数寻优步骤导致模型训练花费时间较长，整个参数优化过程时间比随机森林算法的多几倍。综合对比在模型设计及参数调试中的体验，随机森林算法模型综合能力更优异，操作更简单，更适合解决实际发动机振动预测问题。