一种模型预测精度的特征智能处理方法与系统技术方案

本发明专利技术公开了一种模型预测精度的特征智能处理方法，包括以下步骤：(1)输入待处理的数据库D以及所需的置信度α；(2)采用特征参数处理器提取数据库D的特征参数，包含均值Mean、标准差Std和变异系数COV；(3)通过拟合分布处理器计算数据库D的最优拟合分布；(4)基于步骤(3)中最优拟合分布和所需的置信度α，采用安全系数估计器计算临界推荐系数rf；(5)输出数据库D的特征参数、最优拟合分布以及临界推荐系数rf。本发明专利技术能够有效地模拟各种复杂情况下的分布类型，不仅适用于标准数据集，还能够处理包含复杂特征和关系的数据，为用户提供更为全面和准确的分析结果。

【技术实现步骤摘要】

本专利技术涉及一种模型预测精度的特征智能处理方法，属于随机变量数据处理领域。

技术介绍

1、在建筑结构安全评估、气象预测以及常见构件的测量过程中，大多数参数模型采用经验模型进行评估，一些失效评估模型的预测效果往往呈现一定程度的随机性。例如，在结构的安全评估中，大多数参数模型采用经验模型进行估计，经验模型的随机性使得评估结果的可信程度也往往有待商榷。在今天大数据普及的背景下，结构的失效数据逐步积累，以数据为驱动的所建立的数学失效评估模型逐渐增多，准确地识别模型的随机性对于提高模型的整体性能或者认识预测模型的性能具有非常重要的意义。因此，研究和提取模型预测精度的特征参数和分布类型以及给出一些适当的修正建议显得十分重要。

2、目前，对于预测精度的处理方法主要以简单的矩参数描述为主，或者依赖假设检验试图确定参数的分布规律。这种方式存在着参数描述单一、试验盲目性高、模型单一且固定等问题，不能准确地描述随机变量的特性，或者描述估计呈现假性规律。

技术实现思路

1、专利技术目的：为了克服现有技术中存在的不足，本本文档来自技高网...

【技术保护点】

1.一种模型预测精度的特征智能处理方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的模型预测精度的特征智能处理方法，其特征在于，所述步骤(3)中拟合分布处理器筛选出最优拟合分布包含以下步骤：

3.根据权利要求2所述的模型预测精度的特征智能处理方法，其特征在于，所述步骤(3.3)中包含以下步骤：

4.根据权利要求1所述的模型预测精度的特征智能处理方法，其特征在于，所述步骤(4)中根据步骤(3)所计算的最优拟合分布和输入的置信度α，经过参考系数估计器内置函数，计算临界推荐系数rf，并进行输出。

5.一种如权利要求1所述的模型预测精度的特...

【技术特征摘要】

1.一种模型预测精度的特征智能处理方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的模型预测精度的特征智能处理方法，其特征在于，所述步骤(3)中拟合分布处理器筛选出最优拟合分布包含以下步骤：

3.根据权利要求2所述的模型预测精度的特征智能处理方法，其特征在于，所述步骤(3.3)中包含以下步骤：

4.根据权利要求...

【专利技术属性】
技术研发人员：郭凌云，王赫显，陈波，
申请(专利权)人：河海大学，
类型：发明
国别省市：