摘要
本发明公开了一种基于KAN神经网络对TOC进行预测的方法，属于计算机模型技术领域，包括步骤：确定M个与TOC含量相关的影响因子；对影响因子进行相关性分析或特征重要性分析，找到关键特征；基于关键特征构造数据集D；构造改进的KAN神经网络，包括引入门控系数和二阶差分约束；用数据集D训练改进的KAN神经网络得到第一预测模型；剪枝、设置符号函数，得到第二预测模型；再次训练第二预测模型得到TOC预测模型及TOC预测值的拟合公式，用于待预测采样点的TOC预测。本发明通过影响因子筛选、创新的门控机制、优化的损失函数与训练策略，从而提高对TOC预测的准确度，且具有轻量级、高精度、可解释性强等特点，适合嵌入式设备或实时场站应用。
