AI大赛练习台 · 真训练题目 3 · 模型调优 · 压气机效率预测检测引擎…
姓名 用时 00:00:00🕓 历史版本
① 题目与数据
② 模型选择和调参
③ 训练中
④ 训练结果
⑤ 历史版本
⑥ 提交

i题目

题目背景
燃气轮机的压气机是核心部件,它的效率直接决定整台机组省不省油。现在用历史运行数据训练一个模型,让它根据最近一段时间的运行参数,预测下一时刻的压气机效率。

题目要求
1. 基于提供的压气机效率数据集,构建机器学习或深度学习模型,实现对压气机效率的高精度预测;
2. 根据训练过程中的指标调整模型超参数(如学习率、迭代次数、时间步长度、网络层数、每层神经元个数、batch size 等),以获得更优结果;
3. 评分采用独立数据集,考生需确保模型的泛化性能。
注:系统按照考生要求的时间步长度构造训练数据集,进行单步时间序列预测。

评分标准 预测可靠性 权重 0.8  推理效率 权重 0.2

i训练数据集

压气机效率 · 可见 8000 行(约 28 天)压气机效率
每 5 分钟一条 → 一天 = 288 条;曲线每天一个坑(启停)。这个 288 就是周期,填时间步时要用。

模型选择和调参 !

选择要使用的模型:
通用参数 🧹
参考值范围:0.00001-0.1
参考值范围:10-500
参考值范围:0.5-0.95
参考值范围:5-100
LSTM特有参数 🧹
隐藏层层数隐藏层神经元个数
层数参考值范围: 1-5
参考值范围:20-500
参考值范围:3-10
⏳ 训练中 【训练数据集】
Loss曲线训练Loss 验证Loss
RMSE曲线验证Rmse
Smape曲线验证Smape
Mase曲线验证Mase

历史版本

版本模型参数轮/树验证RMSE独立集RMSE用时引擎判读

✅ 已提交

练习台用公开样题数据在本机真实训练(PyTorch / XGBoost),界面与参数名仿照赛场平台;评分为练习台模拟分,与正式比赛无关。