来源：期刊VIP网 时间：
作者：周一帆;
单位：驻马店职业技术学院信息工程学院;鸿蒙生态开发重点实验室;
摘要：针对金浸出率预测准确率不高及噪声数据较大的问题，提出了一种高效的智能预测方法。将改进的XGBoost和LightGBM模型相结合，并采用动态学习率、正则化优化和贝叶斯优化算法，设计了一个集成学习模型对金浸出率进行预测。结果表明：相较于传统单一模型，集成学习模型预测精度明显提升，其均方误差较XGBoost和LightGBM分别降低28.8%和22.9%左右，在真实生产环境中稳定性较高。该集成学习模型能够有效提高金浸出率的预测精度，具有较强的实际应用价值。
关键词：金浸出率;;预测;;集成学习;;XGBoost模型;;LightGBM模型;;数值仿真
