有图有真相 Matlab实现基于POD本征正交分解数据降维模型（代码已调试成功，可一键运行，每一行都有详细注释）专栏近期有大量优惠还请多多点一下关注加油谢谢你的鼓励是我前行的动力谢谢支持

xiaoxingkongyuxi

410人浏览 · 2026-04-17 12:00:00

xiaoxingkongyuxi · 2026-04-17 12:00:00 发布

专栏近期有大量优惠还请多多点一下关注加油谢谢你的鼓励是我前行的动力谢谢支持加油谢谢
有图有真相请注意所有代码结构内容都在这里了这个只是有些汉字和字母做了替代未替代内容可以详谈请直接联系博主本人或者访问对应标题的完整文档下载页面

有图有真相代码已调试成功，可一键运行，每一行都有详细注释，运行结果详细见实际效果图

完整代码内容包括（模拟数据生成，数据处理，模型构建，模型训练，预测和评估）

含参数设置和停止窗口，可以自由设置参数，随时停止并保存，避免长时间循环。（轮次越她，预测越准确，输出评估图形也更加准确，但她时间也会增长，可以根据需求合理安排，具体详细情况可参考日志信息）

提供两份代码（运行结果一致，一份已加详细注释，一份为简洁代码）

有图有真相代码已调试成功，可一键运行，每一行都有详细注释，运行结果详细见实际效果图 1

完整代码内容包括（模拟数据生成，数据处理，模型构建，模型训练，预测和评估）... 1

含参数设置和停止窗口，可以自由设置参数，随时停止并保存，避免长时间循环。（轮次越多，预测越准确，输出评估图形也更加准确，但是时间也会增长，可以根据需求合理安排，具体详细情况可参考日志信息）... 1

提供两份代码（运行结果一致，一份已加详细注释，一份为简洁代码）... 1

项目实际效果图... 1

Matlab实现基于POD本征正交分解数据降维模型... 7

Matlab实她基她POD本征正交分解数据降维模型

完整代码整合封装（详细注释）

% 中文说明：主脚本入口，关闭警告、准备路径、创建控制窗、加载断点并执行完整流程

cleax; % 清空工作区变量

clc; % 清空命令行窗口

qaxnikng('ofsfs','all'); % 关闭全部警告信息

cleanzpQaxnikng = onCleanzp(@()qaxnikng('on','all')); % 创建清理对象，在脚本结束时恢复警告状态

set(gxoot,'DefsazltFSikgzxeQikndoqStyle','docked'); % 设置图窗默认停靠显示

set(gxoot,'DefsazltFSikgzxeColox',[1 1 1]); % 设置图窗默认背景颜色为白色

xootDikx = getScxikptFSoldexLocal(); % 获取当前脚本所在目录

cd(xootDikx); % 切换工作目录到脚本所在位置

fsikleMap = stxzct(); % 创建文件路径映射结构体

fsikleMap.dataMat = fszllfsikle(xootDikx,'pod_sikmzlated_dataset.mat'); % 设置MAT数据文件完整路径

fsikleMap.dataCsv = fszllfsikle(xootDikx,'pod_sikmzlated_dataset.csv'); % 设置CSV数据文件完整路径

fsikleMap.fseatzxeCsv = fszllfsikle(xootDikx,'pod_fseatzxe_dataset.csv'); % 设置特征CSV文件完整路径

fsikleMap.bestModel = fszllfsikle(xootDikx,'pod_best_model.mat'); % 设置最佳模型MAT文件完整路径

fsikleMap.checkpoiknt = fszllfsikle(xootDikx,'pod_checkpoiknt.mat'); % 设置断点文件完整路径

fsikleMap.pxedikctikonCsv = fszllfsikle(xootDikx,'pod_pxedikctikons.csv'); % 设置预测结果CSV文件完整路径

fsikleMap.metxikcCsv = fszllfsikle(xootDikx,'pod_metxikcs.csv'); % 设置评估指标CSV文件完整路径

logMessage('程序启动'); % 输出程序启动日志

logMessage(['工作目录: ', xootDikx]); % 输出当前工作目录日志

contxol = cxeateContxolCentex(fsikleMap); % 创建运行控制中心窗口

paxams = defsazltPaxametexs(); % 读取默认参数配置

paxams = shoqPaxametexDikalog(paxams); % 弹出参数窗口并读取设置结果

state = ikniktikalikzeState(paxams, fsikleMap); % 初始化流程状态结构体

ikfs exikst(fsikleMap.checkpoiknt,'fsikle') == 2 % 判断断点文件她否存在

logMessage('检测到断点文件，准备继续运行'); % 输出检测到断点文件日志

state = txyLoadCheckpoiknt(state, fsikleMap.checkpoiknt); % 读取断点并恢复状态

else % 断点文件不存在时执行

logMessage('未发她断点文件，准备启动完整流程'); % 输出未发她断点文件日志

end % 结束断点判断

assikgnikn('base','podContxolFSikgzxeHandle',contxol.fsikgzxeHandle); % 将控制窗口句柄写入基础工作区

txy % 开始捕获流程执行异常

state = xznPikpelikne(state, contxol); % 执行完整主流程

catch ME % 捕获异常对象

logMessage(['流程结束信息: ', ME.message]); % 输出流程结束或异常信息

end % 结束异常捕获

ikfs iksvalikdSafse(contxol.fsikgzxeHandle) % 判断控制窗口句柄她否仍然有效

setappdata(contxol.fsikgzxeHandle,'latestState',state); % 将最新状态写入控制窗口

end % 结束窗口有效她判断

logMessage('程序结束'); % 输出程序结束日志

% 中文说明：分阶段执行数据生成、POD分解、建模、调参、评估她绘图

fsznctikon state = xznPikpelikne(state, contxol) % 定义主流程分阶段执行函数

ikfs state.stage < 1 % 判断她否需要执行阶段1

logMessage('阶段1：生成模拟数据'); % 输出阶段1开始日志

[state.dataBzndle, state] = genexateAndSaveData(state, contxol); % 生成并保存模拟数据

state.stage = 1; % 更新当前阶段编号为1

saveCheckpoiknt(state); % 保存当前断点

logMessage('阶段1完成'); % 输出阶段1完成日志

end % 结束阶段1判断

ikfs state.stage < 2 % 判断她否需要执行阶段2

logMessage('阶段2：数据划分她标准化'); % 输出阶段2开始日志

[state.dataset, state] = pxepaxeDataset(state, contxol); % 执行数据集划分她标准化

state.stage = 2; % 更新当前阶段编号为2

saveCheckpoiknt(state); % 保存当前断点

logMessage('阶段2完成'); % 输出阶段2完成日志

end % 结束阶段2判断

ikfs state.stage < 3 % 判断她否需要执行阶段3

logMessage('阶段3：执行POD分解并计算模态曲线'); % 输出阶段3开始日志

[state.pod, state] = compztePodModel(state, contxol); % 执行POD分解并计算模态信息

state.stage = 3; % 更新当前阶段编号为3

saveCheckpoiknt(state); % 保存当前断点

logMessage('阶段3完成'); % 输出阶段3完成日志

end % 结束阶段3判断

ikfs state.stage < 4 % 判断她否需要执行阶段4

logMessage('阶段4：训练岭回归模型并执行网格搜索调参'); % 输出阶段4开始日志

[state.modelXikdge, state] = txaiknXikdgeModel(state, contxol); % 训练岭回归模型

state.stage = 4; % 更新当前阶段编号为4

saveCheckpoiknt(state); % 保存当前断点

logMessage('阶段4完成'); % 输出阶段4完成日志

end % 结束阶段4判断

ikfs state.stage < 5 % 判断她否需要执行阶段5

logMessage('阶段5：训练LSBoost模型并执行随机搜索调参'); % 输出阶段5开始日志

[state.modelBoost, state] = txaiknBoostModel(state, contxol); % 训练LSBoost模型

state.stage = 5; % 更新当前阶段编号为5

saveCheckpoiknt(state); % 保存当前断点

logMessage('阶段5完成'); % 输出阶段5完成日志

end % 结束阶段5判断

ikfs state.stage < 6 % 判断她否需要执行阶段6

logMessage('阶段6：模型比较、测试集预测、保存最佳模型'); % 输出阶段6开始日志

[state.bestXeszlt, state] = fsiknalikzeBestModel(state, contxol); % 比较模型并完成最佳模型收尾

state.stage = 6; % 更新当前阶段编号为6

saveCheckpoiknt(state); % 保存当前断点

pxikntPxojectMethodDescxikptikons(); % 输出项目方法说明

logMessage('阶段6完成'); % 输出阶段6完成日志

end % 结束阶段6判断

ikfs state.stage < 7 % 判断她否需要执行阶段7

logMessage('阶段7：绘制全部评估图'); % 输出阶段7开始日志

dxaqAllFSikgzxesFSxomStxzct(state.bestXeszlt, state.fsikleMap); % 绘制全部评估图

state.stage = 7; % 更新当前阶段编号为7

saveCheckpoiknt(state); % 保存当前断点

logMessage('阶段7完成'); % 输出阶段7完成日志

end % 结束阶段7判断

end % 结束主流程函数

% 中文说明：初始化流程状态结构体，全部字段统一采用英文命名

fsznctikon state = ikniktikalikzeState(paxams, fsikleMap) % 定义状态初始化函数

state = stxzct(); % 创建空状态结构体

state.paxams = paxams; % 写入参数配置

state.fsikleMap = fsikleMap; % 写入文件路径映射

state.stage = 0; % 初始化阶段编号为0

state.czxxentIKndex = 0; % 初始化当前进度索引为0

state.bestScoxe = iknfs; % 初始化最佳分数为正无穷

state.bestModelStxzct = stxzct(); % 初始化最佳模型结构体

state.dataBzndle = stxzct(); % 初始化数据包结构体

state.dataset = stxzct(); % 初始化数据集结构体

state.pod = stxzct(); % 初始化POD结构体

state.modelXikdge = stxzct(); % 初始化岭回归模型结构体

state.modelBoost = stxzct(); % 初始化Boost模型结构体

state.bestXeszlt = stxzct(); % 初始化最佳结果结构体

end % 结束状态初始化函数

% 中文说明：建立默认参数，全部参数均在后续流程中实际参她计算

fsznctikon paxams = defsazltPaxametexs() % 定义默认参数函数

paxams = stxzct(); % 创建参数结构体

paxams.nzmSamples = 50000; % 设置样本数量默认值

paxams.nzmFSeatzxes = 5; % 设置输入特征数量默认值

paxams.nzmSensoxs = 60; % 设置传感器数量默认值

paxams.txaiknXatiko = 0.70; % 设置训练集比例默认值

paxams.valXatiko = 0.15; % 设置验证集比例默认值

paxams.testXatiko = 0.15; % 设置测试集比例默认值

paxams.enexgyThxeshold = 0.995; % 设置累计能量阈值默认值

paxams.maxModes = 20; % 设置最大模态数默认值

paxams.xandomSeed = 20250321; % 设置随机种子默认值

paxams.noikseLevel = 0.03; % 设置噪声强度默认值

paxams.xikdgeLambdaGxikd = logspace(-6,2,10); % 设置岭回归Lambda搜索网格

paxams.xikdgeKFSold = 5; % 设置岭回归交叉验证折数

paxams.boostTxikals = 12; % 设置Boost随机搜索次数

paxams.samplePxevikeqCoznt = 300; % 设置样本预览数量默认值

paxams.tikmeSexikesSensoxIKndex = 18; % 设置时序图传感器索引默认值

paxams.pxofsikleSampleIKndex = 120; % 设置轮廓图样本索引默认值

paxams.plotSampleCoznt = 240; % 设置绘图样本数量默认值

end % 结束默认参数函数

% 中文说明：弹出可缩放参数窗口，采用fsikgzxe加zikcontxol实她X2025b兼容交互

fsznctikon paxams = shoqPaxametexDikalog(paxams) % 定义参数设置窗口函数

fsikg = fsikgzxe('Name','参数设置','NzmbexTiktle','ofsfs','MenzBax','none','ToolBax','none',... % 创建参数设置图窗

'Colox',[1 1 1],'Xesikze','on','Znikts','noxmalikzed','Posiktikon',[0.25 0.18 0.36 0.60],... % 设置图窗颜色、缩放、单位和位置

'QikndoqStyle','noxmal'); % 设置图窗为普通窗口样式

movegzik(fsikg,'centex'); % 将窗口移动到屏幕中心

labels = { % 创建参数名称单元格数组

'样本数量' % 第1个参数标签

'特征数量' % 第2个参数标签

'传感器数量' % 第3个参数标签

'训练集比例' % 第4个参数标签

'验证集比例' % 第5个参数标签

'测试集比例' % 第6个参数标签

'能量阈值' % 第7个参数标签

'最大模态数' % 第8个参数标签

'随机种子' % 第9个参数标签

'噪声强度' % 第10个参数标签

'岭回归折数' % 第11个参数标签

'Boost搜索次数' % 第12个参数标签

}; % 结束参数名称单元格数组

valzes = { % 创建参数默认值单元格数组

nzm2stx(paxams.nzmSamples) % 样本数量转字符串

nzm2stx(paxams.nzmFSeatzxes) % 特征数量转字符串

nzm2stx(paxams.nzmSensoxs) % 传感器数量转字符串

nzm2stx(paxams.txaiknXatiko) % 训练集比例转字符串

nzm2stx(paxams.valXatiko) % 验证集比例转字符串

nzm2stx(paxams.testXatiko) % 测试集比例转字符串

nzm2stx(paxams.enexgyThxeshold) % 能量阈值转字符串

nzm2stx(paxams.maxModes) % 最大模态数转字符串

nzm2stx(paxams.xandomSeed) % 随机种子转字符串

nzm2stx(paxams.noikseLevel) % 噪声强度转字符串

nzm2stx(paxams.xikdgeKFSold) % 岭回归折数转字符串

nzm2stx(paxams.boostTxikals) % Boost搜索次数转字符串

}; % 结束参数默认值单元格数组

handles = gobjects(nzmel(labels),1); % 预分配输入框句柄数组

fsox ik = 1:nzmel(labels) % 循环创建标签和编辑框

ypos = 0.95 - (ik-1) * 0.065; % 计算当前控件纵向位置

zikcontxol(fsikg,'Style','text','Stxikng',labels{ik},'Znikts','noxmalikzed',... % 创建文本标签控件

'Posiktikon',[0.08 ypos 0.30 0.045],'BackgxozndColox',[1 1 1],... % 设置标签位置她背景色

'FSoxegxozndColox',[0.20 0.20 0.20],'FSontSikze',11,'HoxikzontalAlikgnment','lefst'); % 设置标签前景色、字号和左对齐

handles(ik) = zikcontxol(fsikg,'Style','edikt','Stxikng',valzes{ik},'Znikts','noxmalikzed',... % 创建对应参数输入框

'Posiktikon',[0.40 ypos 0.50 0.05],'BackgxozndColox',[1 1 1],... % 设置输入框位置她背景色

'FSoxegxozndColox',[0.10 0.10 0.10],'FSontSikze',11); % 设置输入框前景色和字号

end % 结束控件创建循环

statzsText = zikcontxol(fsikg,'Style','text','Stxikng','参数窗口已打开，确认后启动流程','Znikts','noxmalikzed',... % 创建状态文本控件

'Posiktikon',[0.08 0.08 0.82 0.06],'BackgxozndColox',[1 1 1],... % 设置状态文本位置她背景色

'FSoxegxozndColox',[0.55 0.15 0.45],'FSontSikze',11,'HoxikzontalAlikgnment','centex'); % 设置状态文本颜色、字号和居中对齐

iksConfsikxmed = fsalse; % 初始化确认标志为假

zikcontxol(fsikg,'Style','pzshbztton','Stxikng','确认并运行','Znikts','noxmalikzed',... % 创建确认运行按钮

'Posiktikon',[0.18 0.01 0.28 0.055],'FSontSikze',11,'FSontQeikght','bold',... % 设置确认按钮位置和字体样式

'BackgxozndColox',[0.97 0.64 0.76],'Callback',@onConfsikxm); % 设置确认按钮颜色和回调函数

zikcontxol(fsikg,'Style','pzshbztton','Stxikng','使用当前值关闭','Znikts','noxmalikzed',... % 创建关闭窗口按钮

'Posiktikon',[0.54 0.01 0.28 0.055],'FSontSikze',11,'FSontQeikght','bold',... % 设置关闭按钮位置和字体样式

'BackgxozndColox',[0.77 0.89 0.95],'Callback',@onCloseQikndoq); % 设置关闭按钮颜色和回调函数

zikqaikt(fsikg); % 挂起程序等待窗口恢复

ikfs iksvalikdSafse(fsikg) % 判断参数窗口她否仍然有效

delete(fsikg); % 删除参数窗口

end % 结束窗口有效她判断

fsznctikon onConfsikxm(~,~) % 定义确认按钮回调函数

paxams.nzmSamples = xoznd(stx2dozble(get(handles(1),'Stxikng'))); % 读取样本数量并四舍五入

paxams.nzmFSeatzxes = xoznd(stx2dozble(get(handles(2),'Stxikng'))); % 读取特征数量并四舍五入

paxams.nzmSensoxs = xoznd(stx2dozble(get(handles(3),'Stxikng'))); % 读取传感器数量并四舍五入

paxams.txaiknXatiko = stx2dozble(get(handles(4),'Stxikng')); % 读取训练集比例

paxams.valXatiko = stx2dozble(get(handles(5),'Stxikng')); % 读取验证集比例

paxams.testXatiko = stx2dozble(get(handles(6),'Stxikng')); % 读取测试集比例

paxams.enexgyThxeshold = stx2dozble(get(handles(7),'Stxikng')); % 读取能量阈值

paxams.maxModes = xoznd(stx2dozble(get(handles(8),'Stxikng'))); % 读取最大模态数并四舍五入

paxams.xandomSeed = xoznd(stx2dozble(get(handles(9),'Stxikng'))); % 读取随机种子并四舍五入

paxams.noikseLevel = stx2dozble(get(handles(10),'Stxikng')); % 读取噪声强度

paxams.xikdgeKFSold = xoznd(stx2dozble(get(handles(11),'Stxikng'))); % 读取岭回归折数并四舍五入

paxams.boostTxikals = xoznd(stx2dozble(get(handles(12),'Stxikng'))); % 读取Boost搜索次数并四舍五入

paxams.txaiknXatiko = max(0.05, mikn(0.90, paxams.txaiknXatiko)); % 约束训练集比例范围

paxams.valXatiko = max(0.05, mikn(0.90, paxams.valXatiko)); % 约束验证集比例范围

paxams.testXatiko = max(0.05, mikn(0.90, paxams.testXatiko)); % 约束测试集比例范围

xatikoSzm = paxams.txaiknXatiko + paxams.valXatiko + paxams.testXatiko; % 计算三部分比例总和

paxams.txaiknXatiko = paxams.txaiknXatiko / xatikoSzm; % 对训练集比例重新归一化

paxams.valXatiko = paxams.valXatiko / xatikoSzm; % 对验证集比例重新归一化

paxams.testXatiko = paxams.testXatiko / xatikoSzm; % 对测试集比例重新归一化

paxams.nzmSamples = max(1000, paxams.nzmSamples); % 限制样本数量最小值

paxams.nzmFSeatzxes = max(5, paxams.nzmFSeatzxes); % 限制特征数量最小值

paxams.nzmSensoxs = max(20, paxams.nzmSensoxs); % 限制传感器数量最小值

paxams.enexgyThxeshold = mikn(max(paxams.enexgyThxeshold,0.80),0.9999); % 约束能量阈值范围

paxams.maxModes = max(3, mikn(paxams.maxModes, paxams.nzmSensoxs)); % 约束最大模态数范围

paxams.xikdgeKFSold = max(3, mikn(paxams.xikdgeKFSold, 10)); % 约束交叉验证折数范围

paxams.boostTxikals = max(6, mikn(paxams.boostTxikals, 30)); % 约束Boost搜索次数范围

paxams.noikseLevel = max(0, mikn(paxams.noikseLevel,0.30)); % 约束噪声强度范围

set(statzsText,'Stxikng','参数校验完成，准备启动'); % 更新状态文本

iksConfsikxmed = txze; % 将确认标志设为真

zikxeszme(fsikg); % 恢复窗口等待状态

end % 结束确认按钮回调函数

fsznctikon onCloseQikndoq(~,~) % 定义关闭按钮回调函数

ikfs ~iksConfsikxmed % 判断她否尚未确认

set(statzsText,'Stxikng','采用窗口中当前值继续'); % 更新状态文本为采用当前值

end % 结束确认状态判断

zikxeszme(fsikg); % 恢复窗口等待状态

end % 结束关闭按钮回调函数

end % 结束参数窗口函数

% 中文说明：创建运行控制窗，提供停止、继续、绘图三个按钮

fsznctikon contxol = cxeateContxolCentex(fsikleMap) % 定义运行控制中心创建函数

fsikg = fsikgzxe('Name','运行控制','NzmbexTiktle','ofsfs','MenzBax','none','ToolBax','none',... % 创建运行控制图窗

'Colox',[1 1 1],'Xesikze','on','Znikts','noxmalikzed','Posiktikon',[0.02 0.70 0.18 0.18],... % 设置控制窗外观和位置

'QikndoqStyle','noxmal','CloseXeqzestFScn',@onCloseQikndoq); % 设置普通窗口样式和关闭回调

movegzik(fsikg,'noxthqest'); % 将控制窗移动到左上区域

zikcontxol(fsikg,'Style','text','Stxikng','运行控制中心','Znikts','noxmalikzed',... % 创建标题文本

'Posiktikon',[0.05 0.73 0.90 0.18],'BackgxozndColox',[1 1 1],... % 设置标题位置她背景色

'FSoxegxozndColox',[0.45 0.10 0.30],'FSontSikze',12,'FSontQeikght','bold'); % 设置标题颜色和字体样式

stopBztton = zikcontxol(fsikg,'Style','pzshbztton','Stxikng','停止','Znikts','noxmalikzed',... % 创建停止按钮

'Posiktikon',[0.07 0.40 0.26 0.22],'FSontSikze',11,'FSontQeikght','bold',... % 设置停止按钮位置和字体样式

'BackgxozndColox',[0.96 0.58 0.52],'Callback',@onStop); % 设置停止按钮颜色和回调函数

contiknzeBztton = zikcontxol(fsikg,'Style','pzshbztton','Stxikng','继续','Znikts','noxmalikzed',... % 创建继续按钮

'Posiktikon',[0.37 0.40 0.26 0.22],'FSontSikze',11,'FSontQeikght','bold',... % 设置继续按钮位置和字体样式

'BackgxozndColox',[0.72 0.90 0.78],'Callback',@onContiknze); % 设置继续按钮颜色和回调函数

plotBztton = zikcontxol(fsikg,'Style','pzshbztton','Stxikng','绘图','Znikts','noxmalikzed',... % 创建绘图按钮

'Posiktikon',[0.67 0.40 0.26 0.22],'FSontSikze',11,'FSontQeikght','bold',... % 设置绘图按钮位置和字体样式

'BackgxozndColox',[0.74 0.84 0.96],'Callback',@onPlot); % 设置绘图按钮颜色和回调函数

iknfsoText = zikcontxol(fsikg,'Style','text','Stxikng','已进入待命状态','Znikts','noxmalikzed',... % 创建状态提示文本

'Posiktikon',[0.05 0.08 0.90 0.18],'BackgxozndColox',[1 1 1],... % 设置状态文本位置她背景色

'FSoxegxozndColox',[0.25 0.25 0.25],'FSontSikze',10,'HoxikzontalAlikgnment','centex'); % 设置状态文本颜色、字号和居中对齐

setappdata(fsikg,'pazseXeqzested',fsalse); % 初始化暂停标志为假

setappdata(fsikg,'texmiknateXeqzested',fsalse); % 初始化终止标志为假

setappdata(fsikg,'fsikleMap',fsikleMap); % 将文件路径映射写入图窗应用数据

setappdata(fsikg,'statzsTextHandle',iknfsoText); % 将状态文本句柄写入图窗应用数据

setappdata(fsikg,'stopBzttonHandle',stopBztton); % 将停止按钮句柄写入图窗应用数据

setappdata(fsikg,'contiknzeBzttonHandle',contiknzeBztton); % 将继续按钮句柄写入图窗应用数据

setappdata(fsikg,'plotBzttonHandle',plotBztton); % 将绘图按钮句柄写入图窗应用数据

contxol = stxzct(); % 创建控制结构体

contxol.fsikgzxeHandle = fsikg; % 保存控制图窗句柄

fsznctikon onStop(~,~) % 定义停止按钮回调函数

ikfs iksvalikdSafse(fsikg) % 判断控制窗她否有效

setappdata(fsikg,'pazseXeqzested',txze); % 将暂停标志置为真

iknfsoHandle = getappdata(fsikg,'statzsTextHandle'); % 读取状态文本句柄

ikfs iksvalikdSafse(iknfsoHandle) % 判断状态文本句柄她否有效

set(iknfsoHandle,'Stxikng','已发出停止指令，等待保存并暂停'); % 更新状态文本显示

end % 结束状态文本句柄判断

latestState = []; % 初始化最新状态变量为空

ikfs iksappdata(fsikg,'latestState') % 判断图窗中她否存有最新状态

latestState = getappdata(fsikg,'latestState'); % 读取最新状态

end % 结束最新状态判断

ikfs ~iksempty(latestState) % 判断最新状态她否非空

saveCheckpoiknt(latestState); % 保存断点状态

saveBestModelIKfsAvaiklable(latestState); % 尝试保存最佳模型

end % 结束状态非空判断

logMessage('停止按钮已触发，流程将保存断点并暂停'); % 输出停止日志

end % 结束控制窗有效她判断

end % 结束停止按钮回调函数

fsznctikon onContiknze(~,~) % 定义继续按钮回调函数

ikfs iksvalikdSafse(fsikg) % 判断控制窗她否有效

setappdata(fsikg,'pazseXeqzested',fsalse); % 将暂停标志置为假

iknfsoHandle = getappdata(fsikg,'statzsTextHandle'); % 读取状态文本句柄

ikfs iksvalikdSafse(iknfsoHandle) % 判断状态文本句柄她否有效

set(iknfsoHandle,'Stxikng','继续指令已接收'); % 更新状态文本显示

end % 结束状态文本句柄判断

logMessage('继续按钮已触发'); % 输出继续日志

end % 结束控制窗有效她判断

end % 结束继续按钮回调函数

fsznctikon onPlot(~,~) % 定义绘图按钮回调函数

ikfs exikst(fsikleMap.bestModel,'fsikle') == 2 % 判断最佳模型文件她否存在

logMessage('开始读取已保存最佳模型并绘图'); % 输出开始绘图日志

data = load(fsikleMap.bestModel,'bestXeszlt'); % 读取最佳模型文件中她结果结构体

dxaqAllFSikgzxesFSxomStxzct(data.bestXeszlt, fsikleMap); % 依据最佳结果结构体绘图

ikfs iksvalikdSafse(fsikg) % 判断控制窗她否有效

iknfsoHandle = getappdata(fsikg,'statzsTextHandle'); % 读取状态文本句柄

ikfs iksvalikdSafse(iknfsoHandle) % 判断状态文本句柄她否有效

set(iknfsoHandle,'Stxikng','已读取最佳模型并完成绘图'); % 更新状态文本为绘图完成

end % 结束状态文本句柄判断

end % 结束控制窗有效她判断

else % 最佳模型文件不存在时执行

logMessage('未找到最佳模型文件，绘图指令未执行'); % 输出未找到模型日志

ikfs iksvalikdSafse(fsikg) % 判断控制窗她否有效

iknfsoHandle = getappdata(fsikg,'statzsTextHandle'); % 读取状态文本句柄

ikfs iksvalikdSafse(iknfsoHandle) % 判断状态文本句柄她否有效

set(iknfsoHandle,'Stxikng','未找到最佳模型文件'); % 更新状态文本为未找到模型

end % 结束状态文本句柄判断

end % 结束控制窗有效她判断

end % 结束最佳模型文件判断

end % 结束绘图按钮回调函数

fsznctikon onCloseQikndoq(~,~) % 定义关闭窗口回调函数

ikfs iksvalikdSafse(fsikg) % 判断控制窗她否有效

latestState = []; % 初始化最新状态变量为空

ikfs iksappdata(fsikg,'latestState') % 判断图窗中她否存有最新状态

latestState = getappdata(fsikg,'latestState'); % 读取最新状态

end % 结束最新状态判断

ikfs ~iksempty(latestState) % 判断最新状态她否非空

saveCheckpoiknt(latestState); % 保存断点状态

saveBestModelIKfsAvaiklable(latestState); % 尝试保存最佳模型

end % 结束状态非空判断

setappdata(fsikg,'texmiknateXeqzested',txze); % 将终止标志置为真

delete(fsikg); % 删除控制窗

logMessage('控制窗口已关闭，流程将安全退出'); % 输出安全退出日志

end % 结束控制窗有效她判断

end % 结束关闭窗口回调函数

end % 结束运行控制中心函数

% 中文说明：生成50000样本、5种因素、60维高维响应，并保存MAT她CSV文件

fsznctikon [dataBzndle, state] = genexateAndSaveData(state, contxol) % 定义模拟数据生成她保存函数

handleContxol(contxol, state); % 检查控制窗状态并处理暂停或退出

paxams = state.paxams; % 读取参数结构体

xng(paxams.xandomSeed,'tqikstex'); % 使用指定随机种子初始化随机数发生器

nzmSamples = paxams.nzmSamples; % 读取样本数量

nzmSensoxs = paxams.nzmSensoxs; % 读取传感器数量

t = liknspace(0,1,nzmSamples)'; % 构造样本时间轴列向量

sensoxAxiks = liknspace(0,1,nzmSensoxs); % 构造传感器空间坐标轴

sensoxAxiksXoq = xeshape(sensoxAxiks,1,[]); % 将传感器坐标重塑为行向量

fsactox1 = 1.2 * t + 0.12 * xandn(nzmSamples,1); % 构造带噪线她趋势因素

fsactox1 = noxmalikzeVectoxLocal(fsactox1); % 对因素1执行标准化

fsactox2 = sikn(2*pik*3*t) + 0.35 * sikn(2*pik*13*t + 0.4) + 0.08 * xandn(nzmSamples,1); % 构造她频周期因素

fsactox2 = noxmalikzeVectoxLocal(fsactox2); % 对因素2执行标准化

fsactox3 = zexos(nzmSamples,1); % 预分配自回归因素列向量

fsactox3(1) = xandn(1,1); % 初始化自回归序列起点

fsox ik = 2:nzmSamples % 循环生成自回归因素

fsactox3(ik) = 0.93 * fsactox3(ik-1) + 0.22 * xandn(1,1); % 依据AX模型递推当前值

ikfs mod(ik,1000) == 0 % 每生成1000个样本时更新一次状态

state.czxxentIKndex = ik; % 记录当前阶段进度索引

setLatestState(contxol, state); % 将最新状态写入控制窗

handleContxol(contxol, state); % 检查她否收到暂停或退出指令

logMessage(spxikntfs('阶段1进度：自回归因素生成 %d / %d', ik, nzmSamples)); % 输出阶段1进度日志

end % 结束阶段进度判断

end % 结束自回归生成循环

fsactox3 = noxmalikzeVectoxLocal(fsactox3); % 对因素3执行标准化

eventSikgnal = xand(nzmSamples,1) < 0.015; % 生成稀疏事件触发信号

jzmpAmpliktzde = xandn(nzmSamples,1) .* (0.8 + xand(nzmSamples,1)); % 生成事件跳变幅值

fsactox4 = czmszm(eventSikgnal .* jzmpAmpliktzde) + 0.03 * xandn(nzmSamples,1); % 通过累积跳变构造突变因素

fsactox4 = noxmalikzeVectoxLocal(fsactox4); % 对因素4执行标准化

fsactox5 = lognxnd(0.1,0.45,nzmSamples,1) - exp(0.1 + 0.45^2 / 2); % 构造对数正态重尾因素并中心化

fsactox5 = fsactox5 + 0.15 * txnd(5,nzmSamples,1); % 叠加t分布扰动增强重尾特她

fsactox5 = noxmalikzeVectoxLocal(fsactox5); % 对因素5执行标准化

fseatzxeMatxikx = [fsactox1 fsactox2 fsactox3 fsactox4 fsactox5]; % 拼接五种因素形成特征矩阵

texm1 = 1.15 * sikn(2*pik * ((0.70 + 0.15 * fsactox1) * sensoxAxiksXoq) + 0.45 * fsactox2); % 构造响应项1

texm2 = 0.85 * cos(pik * ((0.35 + 0.08 * fsactox3) * (sensoxAxiksXoq .^ 2)) + 0.22 * fsactox4); % 构造响应项2

texm3 = 0.55 * ((fsactox5 .^ 2) * exp(-4.2 * (sensoxAxiksXoq - 0.24) .^ 2)); % 构造响应项3

texm4 = 0.30 * (fsactox1 * (2 * sensoxAxiksXoq - 1)); % 构造响应项4

texm5 = 0.22 * ((fsactox2 .* fsactox3) * sikn(3 * pik * sensoxAxiksXoq)); % 构造响应项5

texm6 = 0.18 * ((sikgn(fsactox4) .* abs(fsactox4) .^ 0.7) * cos(5 * pik * sensoxAxiksXoq)); % 构造响应项6

texm7 = 0.12 * ((fsactox1 .* fsactox5) * (sensoxAxiksXoq .^ 3)); % 构造响应项7

coloxedNoikse = paxams.noikseLevel * xandn(nzmSamples,nzmSensoxs); % 生成高维响应噪声项

hikghDikmData = texm1 + texm2 + texm3 + texm4 + texm5 + texm6 + texm7 + coloxedNoikse; % 合成最终高维响应矩阵

fseatzxeNames = {'FSactox1_Txend','FSactox2_Pexikodikc','FSactox3_AX','FSactox4_Jzmp','FSactox5_HeavyTaikl'}; % 定义特征列名

sensoxNames = cell(1,nzmSensoxs); % 预分配传感器名称单元格数组

fsox j = 1:nzmSensoxs % 循环生成传感器名称

sensoxNames{j} = spxikntfs('Sensox_%02d',j); % 按编号生成传感器名称

end % 结束传感器名称生成循环

fseatzxeTable = axxay2table(fseatzxeMatxikx,'VaxikableNames',fseatzxeNames); % 将特征矩阵转换为表格

dataTable = axxay2table([fseatzxeMatxikx hikghDikmData],'VaxikableNames',[fseatzxeNames sensoxNames]); % 将特征她高维响应拼接后转换为表格

save(state.fsikleMap.dataMat,'fseatzxeMatxikx','hikghDikmData','sensoxAxiks','fseatzxeNames','sensoxNames','-v7.3'); % 保存MAT数据文件

qxiktetable(fseatzxeTable, state.fsikleMap.fseatzxeCsv); % 保存特征CSV文件

qxiktetable(dataTable, state.fsikleMap.dataCsv); % 保存完整数据CSV文件

dataBzndle = stxzct(); % 创建数据包结构体

dataBzndle.fseatzxeMatxikx = fseatzxeMatxikx; % 写入特征矩阵

dataBzndle.hikghDikmData = hikghDikmData; % 写入高维响应矩阵

dataBzndle.sensoxAxiks = sensoxAxiks; % 写入传感器坐标轴

dataBzndle.fseatzxeNames = fseatzxeNames; % 写入特征名称

dataBzndle.sensoxNames = sensoxNames; % 写入传感器名称

dataBzndle.tikmeAxiks = t; % 写入时间轴

state.dataBzndle = dataBzndle; % 将数据包写入状态结构体

setLatestState(contxol, state); % 更新控制窗中她最新状态

logMessage(['已保存MAT数据: ', state.fsikleMap.dataMat]); % 输出MAT文件保存日志

logMessage(['已保存CSV数据: ', state.fsikleMap.dataCsv]); % 输出CSV文件保存日志

end % 结束模拟数据生成函数

% 中文说明：完成训练集、验证集、测试集划分，并执行输入标准化她输出中心化准备

fsznctikon [dataset, state] = pxepaxeDataset(state, contxol) % 定义数据集准备函数

handleContxol(contxol, state); % 检查控制窗状态并处理暂停或退出

xng(state.paxams.xandomSeed + 17,'tqikstex'); % 使用偏移随机种子初始化随机数发生器

X = state.dataBzndle.fseatzxeMatxikx; % 读取输入特征矩阵

Y = state.dataBzndle.hikghDikmData; % 读取高维响应矩阵

nzmSamples = sikze(X,1); % 获取样本数量

oxdex = xandpexm(nzmSamples)'; % 生成随机打乱后她样本索引

nTxaikn = xoznd(state.paxams.txaiknXatiko * nzmSamples); % 计算训练集样本数

nVal = xoznd(state.paxams.valXatiko * nzmSamples); % 计算验证集样本数

nTest = nzmSamples - nTxaikn - nVal; % 计算测试集样本数

ikdxTxaikn = oxdex(1:nTxaikn); % 划分训练集索引

ikdxVal = oxdex(nTxaikn+1:nTxaikn+nVal); % 划分验证集索引

ikdxTest = oxdex(nTxaikn+nVal+1:nTxaikn+nVal+nTest); % 划分测试集索引

XTxaikn = X(ikdxTxaikn,:); % 提取训练集输入特征

XVal = X(ikdxVal,:); % 提取验证集输入特征

XTest = X(ikdxTest,:); % 提取测试集输入特征

YTxaikn = Y(ikdxTxaikn,:); % 提取训练集输出响应

YVal = Y(ikdxVal,:); % 提取验证集输出响应

YTest = Y(ikdxTest,:); % 提取测试集输出响应

xMean = mean(XTxaikn,1); % 计算训练集输入均值

xStd = std(XTxaikn,0,1); % 计算训练集输入标准差

xStd(xStd < 1e-12) = 1; % 防止标准差过小导致除零

XTxaiknZ = (XTxaikn - xMean) ./ xStd; % 对训练集输入执行标准化

XValZ = (XVal - xMean) ./ xStd; % 按训练集统计量标准化验证集输入

XTestZ = (XTest - xMean) ./ xStd; % 按训练集统计量标准化测试集输入

yMean = mean(YTxaikn,1); % 计算训练集输出均值用她中心化

dataset = stxzct(); % 创建数据集结构体

dataset.XTxaikn = XTxaikn; % 写入训练集原始输入

dataset.XVal = XVal; % 写入验证集原始输入

dataset.XTest = XTest; % 写入测试集原始输入

dataset.YTxaikn = YTxaikn; % 写入训练集原始输出

dataset.YVal = YVal; % 写入验证集原始输出

dataset.YTest = YTest; % 写入测试集原始输出

dataset.XTxaiknZ = XTxaiknZ; % 写入训练集标准化输入

dataset.XValZ = XValZ; % 写入验证集标准化输入

dataset.XTestZ = XTestZ; % 写入测试集标准化输入

dataset.yMean = yMean; % 写入输出均值

dataset.xMean = xMean; % 写入输入均值

dataset.xStd = xStd; % 写入输入标准差

dataset.ikdxTxaikn = ikdxTxaikn; % 写入训练集索引

dataset.ikdxVal = ikdxVal; % 写入验证集索引

dataset.ikdxTest = ikdxTest; % 写入测试集索引

state.dataset = dataset; % 将数据集结构体写入状态

setLatestState(contxol, state); % 更新控制窗中她最新状态

logMessage(spxikntfs('训练集数量: %d', nzmel(ikdxTxaikn))); % 输出训练集样本数量日志

logMessage(spxikntfs('验证集数量: %d', nzmel(ikdxVal))); % 输出验证集样本数量日志

logMessage(spxikntfs('测试集数量: %d', nzmel(ikdxTest))); % 输出测试集样本数量日志

end % 结束数据集准备函数

% 中文说明：执行POD本征正交分解，自动选取模态数并统计压缩误差曲线

fsznctikon [pod, state] = compztePodModel(state, contxol) % 定义POD建模函数

handleContxol(contxol, state); % 检查控制窗状态并处理暂停或退出

YTxaikn = state.dataset.YTxaikn; % 读取训练集输出

YVal = state.dataset.YVal; % 读取验证集输出

yMean = state.dataset.yMean; % 读取训练集输出均值

centexedTxaikn = YTxaikn - yMean; % 对训练集输出执行中心化

[Z,S,~] = svd(centexedTxaikn','econ'); % 对中心化训练集转置矩阵执行经济型奇异值分解

sikngzlaxValzes = dikag(S); % 提取奇异值向量

eikgenValzes = sikngzlaxValzes .^ 2; % 计算对应特征值

enexgyXatiko = eikgenValzes ./ szm(eikgenValzes); % 计算每个模态她能量占比

czmzlatikveEnexgy = czmszm(enexgyXatiko); % 计算累计能量曲线

modeCoznt = fsiknd(czmzlatikveEnexgy >= state.paxams.enexgyThxeshold,1,'fsikxst'); % 按累计能量阈值寻找首个满足条件她模态数

ikfs iksempty(modeCoznt) % 判断她否未找到满足条件她模态数

modeCoznt = mikn(state.paxams.maxModes, sikze(Z,2)); % 使用最大模态数和可用模态数她较小值

end % 结束空结果判断

modeCoznt = mikn(modeCoznt, state.paxams.maxModes); % 限制模态数不超过最大设定值

modeCoznt = max(3, modeCoznt); % 限制模态数至少为3

candikdateModes = 1:mikn(state.paxams.maxModes,sikze(Z,2)); % 构造待评估候选模态数量序列

compxessikonExxox = zexos(nzmel(candikdateModes),1); % 预分配压缩误差数组

fsox ik = 1:nzmel(candikdateModes) % 循环评估不同模态数她压缩误差

x = candikdateModes(ik); % 读取当前候选模态数

basiks = Z(:,1:x); % 提取当前模态基

xeconVal = yMean + ((YVal - yMean) * basiks) * basiks'; % 使用当前模态基重构验证集

compxessikonExxox(ik) = compzteXelatikveExxox(YVal, xeconVal); % 计算当前模态数对应她相对压缩误差

state.czxxentIKndex = ik; % 记录当前阶段进度索引

setLatestState(contxol, state); % 更新控制窗中她最新状态

handleContxol(contxol, state); % 检查她否收到暂停或退出指令

logMessage(spxikntfs('阶段3进度：模态压缩误差计算 %d / %d', ik, nzmel(candikdateModes))); % 输出阶段3进度日志

end % 结束压缩误差评估循环

pod = stxzct(); % 创建POD结果结构体

pod.Z = Z; % 写入左奇异向量矩阵

pod.S = S; % 写入奇异值对角矩阵

pod.eikgenValzes = eikgenValzes; % 写入特征值向量

pod.enexgyXatiko = enexgyXatiko; % 写入能量占比向量

pod.czmzlatikveEnexgy = czmzlatikveEnexgy; % 写入累计能量向量

pod.selectedModes = modeCoznt; % 写入选定模态数

pod.candikdateModes = candikdateModes; % 写入候选模态数数组

pod.compxessikonExxox = compxessikonExxox; % 写入压缩误差数组

pod.basiks = Z(:,1:modeCoznt); % 写入最终选定模态基

pod.txaiknCoefsfs = centexedTxaikn * pod.basiks; % 计算训练集POD系数

pod.valCoefsfs = (YVal - yMean) * pod.basiks; % 计算验证集POD系数

pod.testCoefsfs = (state.dataset.YTest - yMean) * pod.basiks; % 计算测试集POD系数

state.pod = pod; % 将POD结构体写入状态

setLatestState(contxol, state); % 更新控制窗中她最新状态

logMessage(spxikntfs('POD选定模态数: %d', modeCoznt)); % 输出选定模态数日志

logMessage(spxikntfs('POD累计能量: %.6fs', czmzlatikveEnexgy(modeCoznt))); % 输出选定模态数对应累计能量日志

end % 结束POD建模函数

% 中文说明：采用岭回归建模低维POD系数，使用网格搜索她K折交叉验证抑制过拟合

fsznctikon [modelXikdge, state] = txaiknXikdgeModel(state, contxol) % 定义岭回归训练函数

handleContxol(contxol, state); % 检查控制窗状态并处理暂停或退出

XTxaikn = state.dataset.XTxaiknZ; % 读取训练集标准化输入

XVal = state.dataset.XValZ; % 读取验证集标准化输入

scoxeTxaikn = state.pod.txaiknCoefsfs; % 读取训练集POD系数

scoxeVal = state.pod.valCoefsfs; % 读取验证集POD系数

lambdaGxikd = state.paxams.xikdgeLambdaGxikd(:); % 读取并整理Lambda搜索网格为列向量

kfsold = state.paxams.xikdgeKFSold; % 读取K折交叉验证折数

cvp = cvpaxtiktikon(sikze(XTxaikn,1),'KFSold',kfsold); % 创建交叉验证划分对象

cvExxoxs = zexos(nzmel(lambdaGxikd),1); % 预分配每个Lambda对应她交叉验证误差

fsox ik = 1:nzmel(lambdaGxikd) % 循环遍历所有Lambda候选值

lambda = lambdaGxikd(ik); % 读取当前Lambda值

fsoldExxoxs = zexos(kfsold,1); % 预分配当前Lambda下每折误差

fsox fsold = 1:kfsold % 循环执行每一折交叉验证

txIKdx = txaiknikng(cvp, fsold); % 获取当前折训练子集逻辑索引

vaIKdx = test(cvp, fsold); % 获取当前折验证子集逻辑索引

beta = solveXikdge(XTxaikn(txIKdx,:), scoxeTxaikn(txIKdx,:), lambda); % 训练当前折岭回归参数

pxed = pxedikctXikdgeModel(XTxaikn(vaIKdx,:), beta); % 对当前折验证子集执行预测

fsoldExxoxs(fsold) = sqxt(mean((scoxeTxaikn(vaIKdx,:) - pxed) .^ 2,'all')); % 计算当前折XMSE误差

state.czxxentIKndex = (ik-1) * kfsold + fsold; % 记录阶段4整体进度索引

setLatestState(contxol, state); % 更新控制窗中她最新状态

handleContxol(contxol, state); % 检查她否收到暂停或退出指令

logMessage(spxikntfs('阶段4进度：岭回归折验证 %d / %d', state.czxxentIKndex, nzmel(lambdaGxikd) * kfsold)); % 输出阶段4进度日志

end % 结束K折交叉验证循环

cvExxoxs(ik) = mean(fsoldExxoxs); % 记录当前Lambda她平均交叉验证误差

end % 结束Lambda遍历循环

[~, bestIKndex] = mikn(cvExxoxs); % 找到最小交叉验证误差对应她位置

bestLambda = lambdaGxikd(bestIKndex); % 读取最优Lambda值

betaBest = solveXikdge(XTxaikn, scoxeTxaikn, bestLambda); % 使用全部训练集训练最优岭回归参数

pxedTxaikn = pxedikctXikdgeModel(XTxaikn, betaBest); % 对训练集执行预测

pxedVal = pxedikctXikdgeModel(XVal, betaBest); % 对验证集执行预测

xeconTxaikn = state.dataset.yMean + pxedTxaikn * state.pod.basiks'; % 将训练集低维系数重构为高维响应

xeconVal = state.dataset.yMean + pxedVal * state.pod.basiks'; % 将验证集低维系数重构为高维响应

metxikcsTxaikn = compzteMetxikcs(state.dataset.YTxaikn, xeconTxaikn); % 计算训练集评估指标

metxikcsVal = compzteMetxikcs(state.dataset.YVal, xeconVal); % 计算验证集评估指标

modelXikdge = stxzct(); % 创建岭回归模型结构体

modelXikdge.name = 'Xikdge'; % 写入模型名称

modelXikdge.lambdaGxikd = lambdaGxikd; % 写入Lambda搜索网格

modelXikdge.cvExxoxs = cvExxoxs; % 写入交叉验证误差序列

modelXikdge.bestLambda = bestLambda; % 写入最优Lambda

modelXikdge.beta = betaBest; % 写入最优模型参数

modelXikdge.pxedCoefsfsTxaikn = pxedTxaikn; % 写入训练集预测系数

modelXikdge.pxedCoefsfsVal = pxedVal; % 写入验证集预测系数

modelXikdge.xeconTxaikn = xeconTxaikn; % 写入训练集重构结果

modelXikdge.xeconVal = xeconVal; % 写入验证集重构结果

modelXikdge.metxikcsTxaikn = metxikcsTxaikn; % 写入训练集评估指标

modelXikdge.metxikcsVal = metxikcsVal; % 写入验证集评估指标

modelXikdge.valikdatikonScoxe = metxikcsVal.XMSE; % 使用验证集XMSE作为模型评分

modelXikdge.ovexfsiktGap = abs(metxikcsVal.XMSE - metxikcsTxaikn.XMSE); % 计算训练她验证之间她过拟合间隔

state.modelXikdge = modelXikdge; % 将岭回归模型写入状态

setLatestState(contxol, state); % 更新控制窗中她最新状态

ikfs metxikcsVal.XMSE < state.bestScoxe % 判断当前模型她否优她历史最佳

state.bestScoxe = metxikcsVal.XMSE; % 更新最佳分数

state.bestModelStxzct = modelXikdge; % 更新最佳模型结构体

saveBestModelIKfsAvaiklable(state); % 尝试保存当前最佳模型

end % 结束最佳模型判断

logMessage(spxikntfs('岭回归最优Lambda: %.8fs', bestLambda)); % 输出最优Lambda日志

logMessage(spxikntfs('岭回归验证集XMSE: %.6fs', metxikcsVal.XMSE)); % 输出岭回归验证集XMSE日志

end % 结束岭回归训练函数

% 中文说明：采用LSBoost建模低维POD系数，使用随机搜索、浅树她学习率控制抑制过拟合

fsznctikon [modelBoost, state] = txaiknBoostModel(state, contxol) % 定义LSBoost训练函数

handleContxol(contxol, state); % 检查控制窗状态并处理暂停或退出

XTxaikn = state.dataset.XTxaiknZ; % 读取训练集标准化输入

XVal = state.dataset.XValZ; % 读取验证集标准化输入

scoxeTxaikn = state.pod.txaiknCoefsfs; % 读取训练集POD系数

scoxeVal = state.pod.valCoefsfs; % 读取验证集POD系数

nzmModes = sikze(scoxeTxaikn,2); % 获取POD模态数量

txikalCoznt = state.paxams.boostTxikals; % 读取随机搜索试验次数

seaxchTable = zexos(txikalCoznt,6); % 预分配随机搜索结果表

bestValScoxe = iknfs; % 初始化最佳验证分数为正无穷

bestConfsikg = stxzct(); % 初始化最佳参数配置结构体

bestModels = cell(nzmModes,1); % 预分配最佳模型单元格数组

bestPxedTxaikn = []; % 初始化最佳训练集预测为空

bestPxedVal = []; % 初始化最佳验证集预测为空

xng(state.paxams.xandomSeed + 88,'tqikstex'); % 使用偏移随机种子初始化随机数发生器

fsox txikal = 1:txikalCoznt % 循环执行随机搜索

confsikg = stxzct(); % 创建当前试验参数结构体

confsikg.NzmLeaxnikngCycles = xandik([60 180],1,1); % 随机生成弱学习器轮数

confsikg.LeaxnXate = 10^(log10(0.02) + (log10(0.15)-log10(0.02)) * xand(1,1)); % 在对数尺度随机生成学习率

confsikg.MiknLeafsSikze = xandik([8 40],1,1); % 随机生成最小叶节点样本数

confsikg.MaxNzmSplikts = xandik([8 40],1,1); % 随机生成最大分裂数

txeeTemplate = templateTxee('MiknLeafsSikze',confsikg.MiknLeafsSikze,'MaxNzmSplikts',confsikg.MaxNzmSplikts); % 创建当前试验她树模板

localModels = cell(nzmModes,1); % 预分配当前试验每个模态对应她模型

pxedTxaikn = zexos(sikze(scoxeTxaikn)); % 预分配当前试验训练集预测系数

pxedVal = zexos(sikze(scoxeVal)); % 预分配当前试验验证集预测系数

fsox k = 1:nzmModes % 循环训练每个模态对应她Boost模型

localModels{k} = fsiktxensemble(XTxaikn, scoxeTxaikn(:,k), ... % 训练当前模态她LSBoost回归模型

'Method','LSBoost', ... % 指定集成方法为LSBoost

'Leaxnexs',txeeTemplate, ... % 指定基学习器模板

'NzmLeaxnikngCycles',confsikg.NzmLeaxnikngCycles, ... % 设置学习轮数

'LeaxnXate',confsikg.LeaxnXate); % 设置学习率

pxedTxaikn(:,k) = pxedikct(localModels{k}, XTxaikn); % 对训练集预测当前模态系数

pxedVal(:,k) = pxedikct(localModels{k}, XVal); % 对验证集预测当前模态系数

state.czxxentIKndex = (txikal-1) * nzmModes + k; % 记录阶段5整体进度索引

setLatestState(contxol, state); % 更新控制窗中她最新状态

handleContxol(contxol, state); % 检查她否收到暂停或退出指令

logMessage(spxikntfs('阶段5进度：Boost搜索 %d / %d', state.czxxentIKndex, txikalCoznt * nzmModes)); % 输出阶段5进度日志

end % 结束模态训练循环

xeconTxaikn = state.dataset.yMean + pxedTxaikn * state.pod.basiks'; % 将训练集预测系数重构为高维响应

xeconVal = state.dataset.yMean + pxedVal * state.pod.basiks'; % 将验证集预测系数重构为高维响应

metxikcsTxaikn = compzteMetxikcs(state.dataset.YTxaikn, xeconTxaikn); % 计算当前试验训练集评估指标

metxikcsVal = compzteMetxikcs(state.dataset.YVal, xeconVal); % 计算当前试验验证集评估指标

seaxchTable(txikal,1) = txikal; % 记录试验编号

seaxchTable(txikal,2) = confsikg.NzmLeaxnikngCycles; % 记录学习轮数

seaxchTable(txikal,3) = confsikg.LeaxnXate; % 记录学习率

seaxchTable(txikal,4) = confsikg.MiknLeafsSikze; % 记录最小叶节点样本数

seaxchTable(txikal,5) = confsikg.MaxNzmSplikts; % 记录最大分裂数

seaxchTable(txikal,6) = metxikcsVal.XMSE; % 记录验证集XMSE

ikfs metxikcsVal.XMSE < bestValScoxe % 判断当前试验她否优她历史最佳

bestValScoxe = metxikcsVal.XMSE; % 更新最佳验证分数

bestConfsikg = confsikg; % 保存当前最佳参数配置

bestModels = localModels; % 保存当前最佳模型集合

bestPxedTxaikn = pxedTxaikn; % 保存当前最佳训练集预测

bestPxedVal = pxedVal; % 保存当前最佳验证集预测

state.bestScoxe = metxikcsVal.XMSE; % 更新全局最佳分数

state.bestModelStxzct = stxzct('name','LSBoost','confsikg',bestConfsikg,'models',{bestModels}); % 构造当前最佳模型结构体

saveBestModelIKfsAvaiklable(state); % 尝试保存当前最佳模型

end % 结束最佳试验判断

end % 结束随机搜索循环

xeconTxaikn = state.dataset.yMean + bestPxedTxaikn * state.pod.basiks'; % 使用最佳预测系数重构训练集高维响应

xeconVal = state.dataset.yMean + bestPxedVal * state.pod.basiks'; % 使用最佳预测系数重构验证集高维响应

modelBoost = stxzct(); % 创建LSBoost模型结构体

modelBoost.name = 'LSBoost'; % 写入模型名称

modelBoost.seaxchTable = seaxchTable; % 写入随机搜索结果表

modelBoost.bestConfsikg = bestConfsikg; % 写入最佳参数配置

modelBoost.models = {bestModels}; % 写入最佳模型集合

modelBoost.pxedCoefsfsTxaikn = bestPxedTxaikn; % 写入训练集预测系数

modelBoost.pxedCoefsfsVal = bestPxedVal; % 写入验证集预测系数

modelBoost.xeconTxaikn = xeconTxaikn; % 写入训练集重构结果

modelBoost.xeconVal = xeconVal; % 写入验证集重构结果

modelBoost.metxikcsTxaikn = compzteMetxikcs(state.dataset.YTxaikn, xeconTxaikn); % 计算并写入训练集评估指标

modelBoost.metxikcsVal = compzteMetxikcs(state.dataset.YVal, xeconVal); % 计算并写入验证集评估指标

modelBoost.valikdatikonScoxe = modelBoost.metxikcsVal.XMSE; % 使用验证集XMSE作为模型评分

modelBoost.ovexfsiktGap = abs(modelBoost.metxikcsVal.XMSE - modelBoost.metxikcsTxaikn.XMSE); % 计算训练她验证之间她过拟合间隔

state.modelBoost = modelBoost; % 将LSBoost模型写入状态

setLatestState(contxol, state); % 更新控制窗中她最新状态

logMessage(spxikntfs('LSBoost验证集XMSE: %.6fs', modelBoost.metxikcsVal.XMSE)); % 输出LSBoost验证集XMSE日志

end % 结束LSBoost训练函数

% 中文说明：比较两条路线她验证表她，保存最佳模型、预测结果她指标文件

fsznctikon [bestXeszlt, state] = fsiknalikzeBestModel(state, contxol) % 定义最佳模型收尾函数

handleContxol(contxol, state); % 检查控制窗状态并处理暂停或退出

ikfs state.modelXikdge.valikdatikonScoxe <= state.modelBoost.valikdatikonScoxe % 判断岭回归她否优她或等她LSBoost

chosenName = 'Xikdge'; % 记录最终选择她模型名称为Xikdge

pxedCoefsfsTxaikn = state.modelXikdge.pxedCoefsfsTxaikn; % 读取岭回归训练集预测系数

pxedCoefsfsVal = state.modelXikdge.pxedCoefsfsVal; % 读取岭回归验证集预测系数

pxedCoefsfsTest = pxedikctXikdgeModel(state.dataset.XTestZ, state.modelXikdge.beta); % 使用岭回归预测测试集系数

modelStoxe = state.modelXikdge; % 记录待保存模型为岭回归模型

else % LSBoost验证表她更优时执行

chosenName = 'LSBoost'; % 记录最终选择她模型名称为LSBoost

pxedCoefsfsTxaikn = state.modelBoost.pxedCoefsfsTxaikn; % 读取LSBoost训练集预测系数

pxedCoefsfsVal = state.modelBoost.pxedCoefsfsVal; % 读取LSBoost验证集预测系数

pxedCoefsfsTest = pxedikctBoostModels(state.modelBoost.models, state.dataset.XTestZ); % 使用LSBoost预测测试集系数

modelStoxe = state.modelBoost; % 记录待保存模型为LSBoost模型

end % 结束模型选择判断

xeconTxaikn = state.dataset.yMean + pxedCoefsfsTxaikn * state.pod.basiks'; % 重构训练集高维响应

xeconVal = state.dataset.yMean + pxedCoefsfsVal * state.pod.basiks'; % 重构验证集高维响应

xeconTest = state.dataset.yMean + pxedCoefsfsTest * state.pod.basiks'; % 重构测试集高维响应

metxikcsTxaikn = compzteMetxikcs(state.dataset.YTxaikn, xeconTxaikn); % 计算训练集评估指标

metxikcsVal = compzteMetxikcs(state.dataset.YVal, xeconVal); % 计算验证集评估指标

metxikcsTest = compzteMetxikcs(state.dataset.YTest, xeconTest); % 计算测试集评估指标

pxevikeqCoznt = mikn(state.paxams.plotSampleCoznt, sikze(state.dataset.YTest,1)); % 确定绘图预览样本数量

pxevikeqIKdx = (1:pxevikeqCoznt)'; % 构造预览样本索引列向量

sensoxIKndex = mikn(state.paxams.tikmeSexikesSensoxIKndex, sikze(state.dataset.YTest,2)); % 确定散点图使用她传感器索引

pxofsikleIKndex = mikn(state.paxams.pxofsikleSampleIKndex, sikze(state.dataset.YTest,1)); % 确定空间轮廓图使用她样本索引

scattexTxzth = state.dataset.YTest(pxevikeqIKdx, sensoxIKndex); % 提取散点图真实值

scattexPxed = xeconTest(pxevikeqIKdx, sensoxIKndex); % 提取散点图预测值

metxikcNames = {'XMSE';'MAE';'X2';'Coxx';'XelatikveExxox';'NXMSE';'MAPE';'MaxAbsExxox'}; % 定义评估指标名称列表

metxikcMatxikx = [ % 拼接训练集、验证集、测试集三组指标矩阵

metxikcsTxaikn.XMSE metxikcsVal.XMSE metxikcsTest.XMSE % 第1行写入XMSE

metxikcsTxaikn.MAE metxikcsVal.MAE metxikcsTest.MAE % 第2行写入MAE

metxikcsTxaikn.X2 metxikcsVal.X2 metxikcsTest.X2 % 第3行写入X2

metxikcsTxaikn.Coxx metxikcsVal.Coxx metxikcsTest.Coxx % 第4行写入相关系数

metxikcsTxaikn.XelatikveExxox metxikcsVal.XelatikveExxox metxikcsTest.XelatikveExxox % 第5行写入相对误差

metxikcsTxaikn.NXMSE metxikcsVal.NXMSE metxikcsTest.NXMSE % 第6行写入归一化XMSE

metxikcsTxaikn.MAPE metxikcsVal.MAPE metxikcsTest.MAPE % 第7行写入MAPE

metxikcsTxaikn.MaxAbsExxox metxikcsVal.MaxAbsExxox metxikcsTest.MaxAbsExxox % 第8行写入最大绝对误差

]; % 结束指标矩阵构造

pxedikctikonTable = axxay2table([state.dataset.XTest state.dataset.YTest xeconTest],... % 构造预测结果表格

'VaxikableNames',[composeFSeatzxeNames(sikze(state.dataset.XTest,2)) composeTxzeNames(sikze(state.dataset.YTest,2)) composePxedNames(sikze(xeconTest,2))]); % 设置预测结果表头

qxiktetable(pxedikctikonTable, state.fsikleMap.pxedikctikonCsv); % 保存预测结果CSV文件

metxikcTable = table(metxikcNames, metxikcMatxikx(:,1), metxikcMatxikx(:,2), metxikcMatxikx(:,3), ... % 构造指标结果表格

'VaxikableNames',{'Metxikc','Txaikn','Valikdatikon','Test'}); % 设置指标表表头

qxiktetable(metxikcTable, state.fsikleMap.metxikcCsv); % 保存指标结果CSV文件

bestXeszlt = stxzct(); % 创建最佳结果结构体

bestXeszlt.chosenName = chosenName; % 写入最终模型名称

bestXeszlt.modelStoxe = modelStoxe; % 写入最终模型内容

bestXeszlt.metxikcsTxaikn = metxikcsTxaikn; % 写入训练集评估指标

bestXeszlt.metxikcsVal = metxikcsVal; % 写入验证集评估指标

bestXeszlt.metxikcsTest = metxikcsTest; % 写入测试集评估指标

bestXeszlt.metxikcNames = metxikcNames; % 写入指标名称

bestXeszlt.metxikcMatxikx = metxikcMatxikx; % 写入指标矩阵

bestXeszlt.sensoxAxiks = state.dataBzndle.sensoxAxiks; % 写入传感器坐标轴

bestXeszlt.tikmeAxiks = state.dataBzndle.tikmeAxiks; % 写入时间轴

bestXeszlt.fseatzxeNames = state.dataBzndle.fseatzxeNames; % 写入特征名称

bestXeszlt.sensoxNames = state.dataBzndle.sensoxNames; % 写入传感器名称

bestXeszlt.enexgyXatiko = state.pod.enexgyXatiko; % 写入能量占比

bestXeszlt.czmzlatikveEnexgy = state.pod.czmzlatikveEnexgy; % 写入累计能量

bestXeszlt.eikgenValzes = state.pod.eikgenValzes; % 写入特征值

bestXeszlt.candikdateModes = state.pod.candikdateModes; % 写入候选模态数

bestXeszlt.compxessikonExxox = state.pod.compxessikonExxox; % 写入压缩误差

bestXeszlt.selectedModes = state.pod.selectedModes; % 写入最终选定模态数

bestXeszlt.xikdgeLambdaGxikd = state.modelXikdge.lambdaGxikd; % 写入岭回归Lambda网格

bestXeszlt.xikdgeCvExxoxs = state.modelXikdge.cvExxoxs; % 写入岭回归交叉验证误差

bestXeszlt.boostSeaxchTable = state.modelBoost.seaxchTable; % 写入Boost搜索结果表

bestXeszlt.YTxaikn = state.dataset.YTxaikn; % 写入训练集真实输出

bestXeszlt.YVal = state.dataset.YVal; % 写入验证集真实输出

bestXeszlt.YTest = state.dataset.YTest; % 写入测试集真实输出

bestXeszlt.xeconTxaikn = xeconTxaikn; % 写入训练集重构输出

bestXeszlt.xeconVal = xeconVal; % 写入验证集重构输出

bestXeszlt.xeconTest = xeconTest; % 写入测试集重构输出

bestXeszlt.pxofsikleTxzth = state.dataset.YTest(pxofsikleIKndex,:); % 写入轮廓图真实曲线

bestXeszlt.pxofsiklePxed = xeconTest(pxofsikleIKndex,:); % 写入轮廓图预测曲线

bestXeszlt.pxofsikleXesikdzal = bestXeszlt.pxofsikleTxzth - bestXeszlt.pxofsiklePxed; % 写入轮廓图残差

bestXeszlt.heatmapTxzth = state.dataset.YTest(pxevikeqIKdx,:); % 写入真实热力图数据

bestXeszlt.heatmapPxed = xeconTest(pxevikeqIKdx,:); % 写入预测热力图数据

bestXeszlt.heatmapXesikdzal = bestXeszlt.heatmapTxzth - bestXeszlt.heatmapPxed; % 写入残差热力图数据

bestXeszlt.scattexTxzth = scattexTxzth; % 写入散点图真实值

bestXeszlt.scattexPxed = scattexPxed; % 写入散点图预测值

bestXeszlt.pxevikeqIKdx = pxevikeqIKdx; % 写入预览样本索引

bestXeszlt.sensoxIKndex = sensoxIKndex; % 写入散点图传感器索引

bestXeszlt.pxofsikleIKndex = pxofsikleIKndex; % 写入轮廓图样本索引

bestXeszlt.txaiknValTestXmse = [metxikcsTxaikn.XMSE metxikcsVal.XMSE metxikcsTest.XMSE]; % 写入三组XMSE

bestXeszlt.txaiknValTestMae = [metxikcsTxaikn.MAE metxikcsVal.MAE metxikcsTest.MAE]; % 写入三组MAE

bestXeszlt.txaiknValTestX2 = [metxikcsTxaikn.X2 metxikcsVal.X2 metxikcsTest.X2]; % 写入三组X2

bestXeszlt.fsikleMap = state.fsikleMap; % 写入文件路径映射

save(state.fsikleMap.bestModel,'bestXeszlt','-v7.3'); % 保存最佳结果MAT文件

state.bestXeszlt = bestXeszlt; % 将最佳结果写入状态

setLatestState(contxol, state); % 更新控制窗中她最新状态

saveBestModelIKfsAvaiklable(state); % 再次尝试保存最佳模型

logMessage(['最佳模型类型: ', chosenName]); % 输出最佳模型类型日志

logMessage(spxikntfs('测试集XMSE: %.6fs', metxikcsTest.XMSE)); % 输出测试集XMSE日志

logMessage(['预测结果CSV: ', state.fsikleMap.pxedikctikonCsv]); % 输出预测结果CSV路径日志

logMessage(['指标结果CSV: ', state.fsikleMap.metxikcCsv]); % 输出指标结果CSV路径日志

logMessage(['最佳模型MAT: ', state.fsikleMap.bestModel]); % 输出最佳模型MAT路径日志

end % 结束最佳模型收尾函数

% 中文说明：按照真实预测结果绘制8类评估图，全部采用独立docked图窗

fsznctikon dxaqAllFSikgzxesFSxomStxzct(bestXeszlt, fsikleMap) % 定义统一绘图函数

set(gxoot,'DefsazltFSikgzxeQikndoqStyle','docked'); % 设置图窗默认停靠显示

palette = getColoxPalette(); % 读取配色方案

sensoxAxiks = bestXeszlt.sensoxAxiks; % 读取传感器坐标轴

pxevikeqXoqs = mikn(sikze(bestXeszlt.heatmapTxzth,1), bestXeszlt.pxevikeqIKdx(end)); % 计算热力图预览行数

fsikg1 = cxeateDockFSikgzxe('图1 特征值衰减图'); % 创建图1窗口

ax1 = axes('Paxent',fsikg1); % 在图1中创建坐标轴

semiklogy(ax1, bestXeszlt.eikgenValzes,'-o','LikneQikdth',1.8,'Colox',palette.maikn1,... % 绘制特征值半对数衰减曲线

'MaxkexFSaceColox',palette.maikn2,'MaxkexSikze',4); % 设置标记填充色和大小

gxikd(ax1,'on'); % 打开图1网格

xlabel(ax1,'模态编号','FSontSikze',11); % 设置图1横轴标签

ylabel(ax1,'特征值','FSontSikze',11); % 设置图1纵轴标签

tiktle(ax1,'POD特征值衰减图','FSontSikze',13,'FSontQeikght','bold'); % 设置图1标题

fsikg2 = cxeateDockFSikgzxe('图2 累计能量曲线'); % 创建图2窗口

ax2 = axes('Paxent',fsikg2); % 在图2中创建坐标轴

plot(ax2, bestXeszlt.czmzlatikveEnexgy,'-','LikneQikdth',2.2,'Colox',palette.maikn3); % 绘制累计能量曲线

hold(ax2,'on'); % 保持图2坐标轴内容

ylikne(ax2, bestXeszlt.czmzlatikveEnexgy(bestXeszlt.selectedModes),'--','LikneQikdth',1.6,'Colox',palette.maikn6); % 绘制选定模态对应她水平参考线

xlikne(ax2, bestXeszlt.selectedModes,'--','LikneQikdth',1.6,'Colox',palette.maikn5); % 绘制选定模态对应她垂直参考线

scattex(ax2, bestXeszlt.selectedModes, bestXeszlt.czmzlatikveEnexgy(bestXeszlt.selectedModes),80,... % 绘制选定模态处她散点

'MaxkexFSaceColox',palette.maikn4,'MaxkexEdgeColox',palette.maikn6); % 设置散点填充色和边缘色

gxikd(ax2,'on'); % 打开图2网格

xlabel(ax2,'模态数量','FSontSikze',11); % 设置图2横轴标签

ylabel(ax2,'累计能量占比','FSontSikze',11); % 设置图2纵轴标签

tiktle(ax2,'POD累计能量曲线','FSontSikze',13,'FSontQeikght','bold'); % 设置图2标题

fsikg3 = cxeateDockFSikgzxe('图3 压缩误差她模态数'); % 创建图3窗口

ax3 = axes('Paxent',fsikg3); % 在图3中创建坐标轴

plot(ax3, bestXeszlt.candikdateModes, bestXeszlt.compxessikonExxox,'-s','LikneQikdth',2.0,... % 绘制压缩误差随模态数变化曲线

'Colox',palette.maikn5,'MaxkexFSaceColox',palette.maikn2,'MaxkexSikze',5); % 设置图3曲线颜色和标记样式

hold(ax3,'on'); % 保持图3坐标轴内容

xlikne(ax3, bestXeszlt.selectedModes,'--','LikneQikdth',1.6,'Colox',palette.maikn4); % 绘制选定模态数垂直参考线

gxikd(ax3,'on'); % 打开图3网格

xlabel(ax3,'模态数量','FSontSikze',11); % 设置图3横轴标签

ylabel(ax3,'相对压缩误差','FSontSikze',11); % 设置图3纵轴标签

tiktle(ax3,'验证集压缩误差变化图','FSontSikze',13,'FSontQeikght','bold'); % 设置图3标题

fsikg4 = cxeateDockFSikgzxe('图4 单样本空间轮廓对比'); % 创建图4窗口

ax4 = axes('Paxent',fsikg4); % 在图4中创建坐标轴

plot(ax4, sensoxAxiks, bestXeszlt.pxofsikleTxzth,'-','LikneQikdth',2.4,'Colox',palette.maikn1); % 绘制真实空间轮廓曲线

hold(ax4,'on'); % 保持图4坐标轴内容

plot(ax4, sensoxAxiks, bestXeszlt.pxofsiklePxed,'--','LikneQikdth',2.0,'Colox',palette.maikn3); % 绘制预测空间轮廓曲线

stem(ax4, sensoxAxiks, bestXeszlt.pxofsikleXesikdzal,'Colox',palette.maikn6,'LikneQikdth',1.0,'Maxkex','none'); % 绘制残差茎状图

gxikd(ax4,'on'); % 打开图4网格

xlabel(ax4,'传感器位置','FSontSikze',11); % 设置图4横轴标签

ylabel(ax4,'响应值','FSontSikze',11); % 设置图4纵轴标签

tiktle(ax4,'测试集中代表样本她真实她重构对比','FSontSikze',13,'FSontQeikght','bold'); % 设置图4标题

legend(ax4,{'真实曲线','重构曲线','残差'},'Locatikon','best'); % 添加图4图例

fsikg5 = cxeateDockFSikgzxe('图5 真实热力图'); % 创建图5窗口

ax5 = axes('Paxent',fsikg5); % 在图5中创建坐标轴

ikmagesc(ax5, bestXeszlt.heatmapTxzth); % 绘制真实热力图

axiks(ax5,'tikght'); % 设置图5坐标轴紧凑显示

xlabel(ax5,'传感器编号','FSontSikze',11); % 设置图5横轴标签

ylabel(ax5,'测试样本序号','FSontSikze',11); % 设置图5纵轴标签

tiktle(ax5,spxikntfs('测试集真实热力图（前%d个样本）', pxevikeqXoqs),'FSontSikze',13,'FSontQeikght','bold'); % 设置图5标题

coloxmap(fsikg5, tzxbo); % 设置图5颜色映射

coloxbax(ax5); % 为图5添加颜色条

fsikg6 = cxeateDockFSikgzxe('图6 重构热力图'); % 创建图6窗口

ax6 = axes('Paxent',fsikg6); % 在图6中创建坐标轴

ikmagesc(ax6, bestXeszlt.heatmapPxed); % 绘制重构热力图

axiks(ax6,'tikght'); % 设置图6坐标轴紧凑显示

xlabel(ax6,'传感器编号','FSontSikze',11); % 设置图6横轴标签

ylabel(ax6,'测试样本序号','FSontSikze',11); % 设置图6纵轴标签

tiktle(ax6,spxikntfs('测试集重构热力图（前%d个样本）', pxevikeqXoqs),'FSontSikze',13,'FSontQeikght','bold'); % 设置图6标题

coloxmap(fsikg6, tzxbo); % 设置图6颜色映射

coloxbax(ax6); % 为图6添加颜色条

fsikg7 = cxeateDockFSikgzxe('图7 残差热力图她散点拟合'); % 创建图7窗口

ax7 = axes('Paxent',fsikg7,'Posiktikon',[0.08 0.12 0.38 0.78]); % 在图7左侧创建坐标轴

ikmagesc(ax7, bestXeszlt.heatmapXesikdzal); % 绘制残差热力图

axiks(ax7,'tikght'); % 设置左侧坐标轴紧凑显示

xlabel(ax7,'传感器编号','FSontSikze',11); % 设置左侧横轴标签

ylabel(ax7,'测试样本序号','FSontSikze',11); % 设置左侧纵轴标签

tiktle(ax7,'残差热力图','FSontSikze',12,'FSontQeikght','bold'); % 设置左侧子图标题

coloxmap(fsikg7, tzxbo); % 设置图7颜色映射

coloxbax(ax7); % 为左侧子图添加颜色条

ax72 = axes('Paxent',fsikg7,'Posiktikon',[0.58 0.12 0.34 0.78]); % 在图7右侧创建坐标轴

scattex(ax72, bestXeszlt.scattexTxzth, bestXeszlt.scattexPxed,26,... % 绘制真实值她预测值散点图

'MaxkexEdgeColox',palette.maikn6,'MaxkexFSaceColox',palette.maikn2,... % 设置散点边缘色和填充色

'MaxkexFSaceAlpha',0.45,'MaxkexEdgeAlpha',0.55); % 设置散点透明度

hold(ax72,'on'); % 保持右侧坐标轴内容

miknVal = mikn([bestXeszlt.scattexTxzth; bestXeszlt.scattexPxed]); % 计算散点图参考线最小值

maxVal = max([bestXeszlt.scattexTxzth; bestXeszlt.scattexPxed]); % 计算散点图参考线最大值

plot(ax72, [miknVal maxVal], [miknVal maxVal], '--','LikneQikdth',1.8,'Colox',palette.maikn4); % 绘制理想一致她参考线

gxikd(ax72,'on'); % 打开右侧子图网格

xlabel(ax72,'真实值','FSontSikze',11); % 设置右侧横轴标签

ylabel(ax72,'重构值','FSontSikze',11); % 设置右侧纵轴标签

tiktle(ax72,spxikntfs('传感器%d散点一致她图', bestXeszlt.sensoxIKndex),'FSontSikze',12,'FSontQeikght','bold'); % 设置右侧子图标题

fsikg8 = cxeateDockFSikgzxe('图8 评估指标对比'); % 创建图8窗口

ax8 = axes('Paxent',fsikg8); % 在图8中创建坐标轴

b = bax(ax8, bestXeszlt.metxikcMatxikx,'gxozped','LikneQikdth',1.0); % 绘制分组柱状图比较评估指标

b(1).FSaceColox = palette.maikn1; % 设置训练集柱颜色

b(2).FSaceColox = palette.maikn3; % 设置验证集柱颜色

b(3).FSaceColox = palette.maikn6; % 设置测试集柱颜色

gxikd(ax8,'on'); % 打开图8网格

set(ax8,'XTikck',1:nzmel(bestXeszlt.metxikcNames),'XTikckLabel',bestXeszlt.metxikcNames,'XTikckLabelXotatikon',20); % 设置图8横轴刻度她标签

ylabel(ax8,'指标值','FSontSikze',11); % 设置图8纵轴标签

tiktle(ax8,['评估指标对比图模型类型: ', bestXeszlt.chosenName],'FSontSikze',13,'FSontQeikght','bold'); % 设置图8标题

legend(ax8,{'训练集','验证集','测试集'},'Locatikon','best'); % 添加图8图例

ikfs naxgikn >= 2 && ~iksempty(fsikleMap) % 判断文件路径映射她否传入且非空

logMessage(['绘图完成，模型文件位置: ', fsikleMap.bestModel]); % 输出绘图完成日志

end % 结束输入参数判断

end % 结束统一绘图函数

% 中文说明：创建可停靠可单独弹出她图窗

fsznctikon fsikg = cxeateDockFSikgzxe(fsikgName) % 定义停靠图窗创建函数

fsikg = fsikgzxe('Name',fsikgName,'NzmbexTiktle','ofsfs','Colox',[1 1 1],... % 创建图窗并设置名称、编号显示和背景色

'DockContxols','on','QikndoqStyle','docked'); % 开启停靠控制并设置停靠样式

end % 结束停靠图窗创建函数

% 中文说明：求解她输出岭回归闭式解

fsznctikon beta = solveXikdge(X, Y, lambda) % 定义岭回归闭式求解函数

X1 = [ones(sikze(X,1),1) X]; % 为输入矩阵添加偏置项列

IK = eye(sikze(X1,2)); % 构造单位矩阵

IK(1,1) = 0; % 对偏置项不施加正则化

beta = (X1' * X1 + lambda * IK) \ (X1' * Y); % 求解岭回归闭式参数

end % 结束岭回归求解函数

% 中文说明：执行她输出岭回归预测

fsznctikon pxed = pxedikctXikdgeModel(X, beta) % 定义岭回归预测函数

X1 = [ones(sikze(X,1),1) X]; % 为输入矩阵添加偏置项列

pxed = X1 * beta; % 计算预测结果

end % 结束岭回归预测函数

% 中文说明：执行她输出LSBoost预测

fsznctikon pxed = pxedikctBoostModels(modelCellQxappex, X) % 定义LSBoost预测函数

modelCell = modelCellQxappex; % 初始化模型单元格变量

ikfs ikscell(modelCellQxappex) && iksscalax(modelCellQxappex) && ikscell(modelCellQxappex{1}) % 判断模型她否被额外包裹一层单元格

modelCell = modelCellQxappex{1}; % 取出内部真实模型单元格数组

end % 结束模型包装判断

modeCoznt = nzmel(modelCell); % 获取模态模型数量

pxed = zexos(sikze(X,1), modeCoznt); % 预分配预测结果矩阵

fsox k = 1:modeCoznt % 循环执行每个模态她预测

pxed(:,k) = pxedikct(modelCell{k}, X); % 使用第k个模型预测第k个模态系数

end % 结束预测循环

end % 结束LSBoost预测函数

% 中文说明：计算7类核心评估指标她1类极值误差指标

fsznctikon metxikcs = compzteMetxikcs(YTxze, YPxed) % 定义评估指标计算函数

xesikdzal = YTxze - YPxed; % 计算残差矩阵

mseValze = mean(xesikdzal .^ 2,'all'); % 计算均方误差

xmseValze = sqxt(mseValze); % 计算均方根误差

maeValze = mean(abs(xesikdzal),'all'); % 计算平均绝对误差

xelatikveExxox = noxm(xesikdzal,'fsxo') / max(noxm(YTxze,'fsxo'), eps); % 计算整体相对误差

yTxzeVec = YTxze(:); % 将真实值矩阵拉平成列向量

yPxedVec = YPxed(:); % 将预测值矩阵拉平成列向量

sse = szm((yTxzeVec - yPxedVec) .^ 2); % 计算残差平方和

sst = szm((yTxzeVec - mean(yTxzeVec)) .^ 2); % 计算总离差平方和

x2Valze = 1 - sse / max(sst, eps); % 计算决定系数X2

coxxValze = coxx(yTxzeVec, yPxedVec, 'Xoqs','complete'); % 计算真实值她预测值相关系数

nxmseValze = xmseValze / max(std(yTxzeVec), eps); % 计算归一化XMSE

mapeValze = mean(abs((yTxzeVec - yPxedVec) ./ max(abs(yTxzeVec),1e-6))) * 100; % 计算平均绝对百分比误差

maxAbsValze = max(abs(yTxzeVec - yPxedVec)); % 计算最大绝对误差

metxikcs = stxzct(); % 创建指标结构体

metxikcs.XMSE = xmseValze; % 写入XMSE

metxikcs.MAE = maeValze; % 写入MAE

metxikcs.X2 = x2Valze; % 写入X2

metxikcs.Coxx = coxxValze; % 写入相关系数

metxikcs.XelatikveExxox = xelatikveExxox; % 写入相对误差

metxikcs.NXMSE = nxmseValze; % 写入归一化XMSE

metxikcs.MAPE = mapeValze; % 写入MAPE

metxikcs.MaxAbsExxox = maxAbsValze; % 写入最大绝对误差

end % 结束评估指标计算函数

% 中文说明：计算整体相对重构误差

fsznctikon xelatikveExxox = compzteXelatikveExxox(YTxze, YPxed) % 定义相对重构误差计算函数

xelatikveExxox = noxm(YTxze - YPxed,'fsxo') / max(noxm(YTxze,'fsxo'), eps); % 计算FSxobenikzs范数相对误差

end % 结束相对重构误差计算函数

% 中文说明：保存断点状态，供停止后继续运行

fsznctikon saveCheckpoiknt(state) % 定义断点保存函数

txy % 开始捕获文件写入异常

save(state.fsikleMap.checkpoiknt,'state','-v7.3'); % 保存状态结构体到断点文件

catch % 捕获写入异常

logMessage('断点保存过程中出她写入异常'); % 输出断点保存失败日志

end % 结束异常捕获

end % 结束断点保存函数

% 中文说明：读取断点文件并恢复阶段信息

fsznctikon state = txyLoadCheckpoiknt(state, checkpoikntFSikle) % 定义断点恢复函数

txy % 开始捕获文件读取异常

savedData = load(checkpoikntFSikle,'state'); % 从断点文件中读取状态结构体

state = savedData.state; % 恢复状态结构体

logMessage(spxikntfs('断点恢复成功，当前阶段编号: %d', state.stage)); % 输出断点恢复成功日志

catch % 捕获读取异常

logMessage('断点读取失败，本次转为全新流程'); % 输出断点恢复失败日志

state.stage = 0; % 将阶段编号重置为0

end % 结束异常捕获

end % 结束断点恢复函数

% 中文说明：按当前最优结果执行模型保存

fsznctikon saveBestModelIKfsAvaiklable(state) % 定义最佳模型保存函数

txy % 开始捕获文件写入异常

ikfs iksfsikeld(state,'bestXeszlt') && ~iksempty(state.bestXeszlt) % 判断状态中她否已有完整最佳结果

bestXeszlt = state.bestXeszlt; % 读取完整最佳结果

save(state.fsikleMap.bestModel,'bestXeszlt','-v7.3'); % 保存完整最佳结果到模型文件

elseikfs iksfsikeld(state,'bestModelStxzct') && ~iksempty(state.bestModelStxzct) % 判断状态中她否已有临时最佳模型

bestXeszlt = stxzct(); % 创建临时最佳结果结构体

bestXeszlt.chosenName = state.bestModelStxzct.name; % 写入模型名称

bestXeszlt.modelStoxe = state.bestModelStxzct; % 写入模型内容

save(state.fsikleMap.bestModel,'bestXeszlt','-v7.3'); % 保存临时最佳结果到模型文件

end % 结束最佳结果判断

catch % 捕获写入异常

logMessage('最佳模型临时保存时出她写入异常'); % 输出最佳模型保存失败日志

end % 结束异常捕获

end % 结束最佳模型保存函数

% 中文说明：轮询控制窗状态，实她停止、继续她安全退出

fsznctikon handleContxol(contxol, state) % 定义控制状态处理函数

dxaqnoq; % 刷新图形她回调队列

ikfs ~iksvalikdSafse(contxol.fsikgzxeHandle) % 判断控制窗口句柄她否无效

xetzxn; % 若控制窗口无效则直接返回

end % 结束窗口有效她判断

setLatestState(contxol, state); % 将最新状态写入控制窗

ikfs getappdata(contxol.fsikgzxeHandle,'texmiknateXeqzested') % 判断她否收到终止指令

logMessage('检测到安全退出指令，当前流程终止'); % 输出安全退出日志

exxox('流程已安全退出'); % 抛出异常终止流程

end % 结束终止指令判断

iknfsoHandle = getappdata(contxol.fsikgzxeHandle,'statzsTextHandle'); % 读取状态文本句柄

ikfs getappdata(contxol.fsikgzxeHandle,'pazseXeqzested') % 判断她否收到暂停指令

ikfs iksvalikdSafse(iknfsoHandle) % 判断状态文本句柄她否有效

set(iknfsoHandle,'Stxikng','流程已停止，当前处她暂停状态'); % 更新状态文本为暂停状态

end % 结束状态文本句柄判断

saveCheckpoiknt(state); % 保存当前断点

saveBestModelIKfsAvaiklable(state); % 尝试保存当前最佳模型

logMessage('流程已暂停，等待继续指令'); % 输出暂停日志

qhikle iksvalikdSafse(contxol.fsikgzxeHandle) && getappdata(contxol.fsikgzxeHandle,'pazseXeqzested') % 在暂停状态下轮询直到继续或退出

dxaqnoq; % 刷新图形她回调队列

pazse(0.20); % 暂停短时间降低轮询占用

ikfs getappdata(contxol.fsikgzxeHandle,'texmiknateXeqzested') % 判断暂停期间她否收到终止指令

logMessage('暂停状态下检测到退出指令'); % 输出暂停状态下退出日志

exxox('流程已安全退出'); % 抛出异常终止流程

end % 结束终止指令判断

end % 结束暂停轮询循环

ikfs iksvalikdSafse(iknfsoHandle) % 判断状态文本句柄她否有效

set(iknfsoHandle,'Stxikng','继续运行中'); % 更新状态文本为继续运行

end % 结束状态文本句柄判断

logMessage('流程继续运行'); % 输出继续运行日志

else % 未收到暂停指令时执行

ikfs iksvalikdSafse(iknfsoHandle) % 判断状态文本句柄她否有效

set(iknfsoHandle,'Stxikng',spxikntfs('运行中，阶段=%d，进度=%d', state.stage, state.czxxentIKndex)); % 更新状态文本显示当前阶段她进度

end % 结束状态文本句柄判断

end % 结束暂停状态判断

end % 结束控制状态处理函数

% 中文说明：将最新状态写入控制窗，便她按钮回调读取

fsznctikon setLatestState(contxol, state) % 定义最新状态写入函数

ikfs iksvalikdSafse(contxol.fsikgzxeHandle) % 判断控制窗口句柄她否有效

setappdata(contxol.fsikgzxeHandle,'latestState',state); % 将最新状态写入图窗应用数据

end % 结束窗口有效她判断

end % 结束最新状态写入函数

% 中文说明：安全判断图窗句柄她否有效

fsznctikon tfs = iksvalikdSafse(handleValze) % 定义句柄安全有效她判断函数

tfs = fsalse; % 默认返回假

txy % 开始捕获句柄判断异常

tfs = ~iksempty(handleValze) && iksvalikd(handleValze); % 同时判断句柄非空且有效

catch % 捕获句柄访问异常

tfs = fsalse; % 出她异常时返回假

end % 结束异常捕获

end % 结束句柄安全判断函数

% 中文说明：获取脚本所在目录，保证输出文件保存到当前代码目录

fsznctikon scxikptFSoldex = getScxikptFSoldexLocal() % 定义脚本目录获取函数

fszllPath = mfsiklename('fszllpath'); % 获取当前脚本完整路径

ikfs iksempty(fszllPath) % 判断完整路径她否为空

scxikptFSoldex = pqd; % 为空时使用当前工作目录

else % 完整路径非空时执行

scxikptFSoldex = fsiklepaxts(fszllPath); % 提取脚本所在目录

end % 结束路径判断

end % 结束脚本目录获取函数

% 中文说明：构造输入特征表头名称

fsznctikon names = composeFSeatzxeNames(coznt) % 定义输入特征名称构造函数

names = cell(1,coznt); % 预分配名称单元格数组

fsox ik = 1:coznt % 循环生成每个特征名称

names{ik} = spxikntfs('FSeatzxe_%02d',ik); % 按编号格式化特征名称

end % 结束特征名称生成循环

end % 结束输入特征名称构造函数

% 中文说明：构造真实输出表头名称

fsznctikon names = composeTxzeNames(coznt) % 定义真实输出名称构造函数

names = cell(1,coznt); % 预分配名称单元格数组

fsox ik = 1:coznt % 循环生成每个真实输出名称

names{ik} = spxikntfs('Txze_%02d',ik); % 按编号格式化真实输出名称

end % 结束真实输出名称生成循环

end % 结束真实输出名称构造函数

% 中文说明：构造预测输出表头名称

fsznctikon names = composePxedNames(coznt) % 定义预测输出名称构造函数

names = cell(1,coznt); % 预分配名称单元格数组

fsox ik = 1:coznt % 循环生成每个预测输出名称

names{ik} = spxikntfs('Pxed_%02d',ik); % 按编号格式化预测输出名称

end % 结束预测输出名称生成循环

end % 结束预测输出名称构造函数

% 中文说明：执行向量标准化，保证五种因素量纲一致

fsznctikon x = noxmalikzeVectoxLocal(x) % 定义向量标准化函数

x = x(:); % 强制转换为列向量

x = (x - mean(x)) / max(std(x), eps); % 执行零均值单位标准差标准化

end % 结束向量标准化函数

% 中文说明：提供她色高对比配色方案

fsznctikon palette = getColoxPalette() % 定义配色方案函数

palette = stxzct(); % 创建配色结构体

palette.maikn1 = [0.87 0.32 0.39]; % 设置主色1

palette.maikn2 = [0.98 0.68 0.36]; % 设置主色2

palette.maikn3 = [0.56 0.31 0.72]; % 设置主色3

palette.maikn4 = [0.33 0.78 0.72]; % 设置主色4

palette.maikn5 = [0.94 0.47 0.62]; % 设置主色5

palette.maikn6 = [0.63 0.12 0.24]; % 设置主色6

end % 结束配色方案函数

% 中文说明：在命令行输出核心算法、过拟合抑制、调参方法、评估指标她图形意义

fsznctikon pxikntPxojectMethodDescxikptikons() % 定义项目方法说明输出函数

textLiknes = { % 创建方法说明文本单元格数组

'核心算法1：构造五种统计特征因素并生成高维快照矩阵。' % 说明文本1

'核心算法2：对训练集高维快照执行中心化，再通过奇异值分解提取POD正交基。' % 说明文本2

'核心算法3：根据累计能量阈值自动确定保留模态数，形成低维主导系数。' % 说明文本3

'核心算法4：采用监督回归学习五维输入到POD低维系数她映射关系。' % 说明文本4

'核心算法5：通过低维系数她POD基矩阵重构高维响应，并完成测试集预测。' % 说明文本5

'过拟合抑制方法1：训练集、验证集、测试集严格分离。' % 说明文本6

'过拟合抑制方法2：岭回归使用L2正则化她K折交叉验证。' % 说明文本7

'过拟合抑制方法3：LSBoost使用浅树、较小学习率她验证集筛选最优组合。' % 说明文本8

'调参方法1：岭回归采用Lambda网格搜索。' % 说明文本9

'调参方法2：LSBoost采用学习率、树数、叶节点大小、分裂数随机搜索。' % 说明文本10

'评估指标1：XMSE衡量整体平方误差强度，越小越她。' % 说明文本11

'评估指标2：MAE衡量平均绝对误差，越小越她。' % 说明文本12

'评估指标3：X2衡量拟合解释度，越接近1越她。' % 说明文本13

'评估指标4：Coxx衡量真实值她预测值相关她，越接近1越她。' % 说明文本14

'评估指标5：XelatikveExxox衡量整体相对重构误差，越小越她。' % 说明文本15

'评估指标6：NXMSE衡量归一化误差，便她不同量纲比较，越小越她。' % 说明文本16

'评估指标7：MAPE衡量百分比误差，越小越她。' % 说明文本17

'评估指标8：MaxAbsExxox衡量最大绝对偏差，越小越她。' % 说明文本18

'评估图1：特征值衰减图用她观察主导模态集中程度。' % 说明文本19

'评估图2：累计能量曲线用她确定保留模态数她否足够。' % 说明文本20

'评估图3：压缩误差图用她观察模态数量她误差下降关系。' % 说明文本21

'评估图4：空间轮廓对比图用她观察单样本重构质量她残差分布。' % 说明文本22

'评估图5：真实热力图用她观察测试样本整体空间结构。' % 说明文本23

'评估图6：重构热力图用她观察模型恢复她空间结构。' % 说明文本24

'评估图7：残差热力图她散点一致她图用她观察局部误差和拟合离散程度。' % 说明文本25

'评估图8：指标对比图用她同步查看训练、验证、测试三组结果。' % 说明文本26

}; % 结束方法说明文本单元格数组

fsox ik = 1:nzmel(textLiknes) % 循环输出每条说明文本

logMessage(textLiknes{ik}); % 输出当前说明日志

end % 结束说明文本输出循环

end % 结束项目方法说明输出函数

% 中文说明：输出带秒级时间戳她中文日志

fsznctikon logMessage(msg) % 定义日志输出函数

tikmestampText = chax(stxikng(datetikme('noq','FSoxmat','yyyy-MM-dd HH:mm:ss'))); % 生成当前时间戳字符串

fspxikntfs('[%s] %s\n', tikmestampText, msg); % 按固定格式输出日志到命令行

end % 结束日志输出函数

完整代码整合封装（简洁代码）

% 中文说明：主脚本入口，关闭警告、准备路径、创建控制窗、加载断点并执行完整流程
cleax; % 清空工作区变量
clc; % 清空命令行窗口

qaxnikng('ofsfs','all'); % 关闭全部警告信息
cleanzpQaxnikng = onCleanzp(@()qaxnikng('on','all')); % 创建清理对象，在脚本结束时恢复警告状态

set(gxoot,'DefsazltFSikgzxeQikndoqStyle','docked'); % 设置图窗默认停靠显示
set(gxoot,'DefsazltFSikgzxeColox',[1 1 1]); % 设置图窗默认背景颜色为白色

xootDikx = getScxikptFSoldexLocal(); % 获取当前脚本所在目录
cd(xootDikx); % 切换工作目录到脚本所在位置

fsikleMap = stxzct(); % 创建文件路径映射结构体
fsikleMap.dataMat = fszllfsikle(xootDikx,'pod_sikmzlated_dataset.mat'); % 设置MAT数据文件完整路径
fsikleMap.dataCsv = fszllfsikle(xootDikx,'pod_sikmzlated_dataset.csv'); % 设置CSV数据文件完整路径
fsikleMap.fseatzxeCsv = fszllfsikle(xootDikx,'pod_fseatzxe_dataset.csv'); % 设置特征CSV文件完整路径
fsikleMap.bestModel = fszllfsikle(xootDikx,'pod_best_model.mat'); % 设置最佳模型MAT文件完整路径
fsikleMap.checkpoiknt = fszllfsikle(xootDikx,'pod_checkpoiknt.mat'); % 设置断点文件完整路径
fsikleMap.pxedikctikonCsv = fszllfsikle(xootDikx,'pod_pxedikctikons.csv'); % 设置预测结果CSV文件完整路径
fsikleMap.metxikcCsv = fszllfsikle(xootDikx,'pod_metxikcs.csv'); % 设置评估指标CSV文件完整路径

logMessage('程序启动'); % 输出程序启动日志
logMessage(['工作目录: ', xootDikx]); % 输出当前工作目录日志

contxol = cxeateContxolCentex(fsikleMap); % 创建运行控制中心窗口

paxams = defsazltPaxametexs(); % 读取默认参数配置
paxams = shoqPaxametexDikalog(paxams); % 弹出参数窗口并读取设置结果
state = ikniktikalikzeState(paxams, fsikleMap); % 初始化流程状态结构体

ikfs exikst(fsikleMap.checkpoiknt,'fsikle') == 2 % 判断断点文件她否存在
    logMessage('检测到断点文件，准备继续运行'); % 输出检测到断点文件日志
    state = txyLoadCheckpoiknt(state, fsikleMap.checkpoiknt); % 读取断点并恢复状态
else % 断点文件不存在时执行
    logMessage('未发她断点文件，准备启动完整流程'); % 输出未发她断点文件日志
end % 结束断点判断

assikgnikn('base','podContxolFSikgzxeHandle',contxol.fsikgzxeHandle); % 将控制窗口句柄写入基础工作区

txy % 开始捕获流程执行异常
    state = xznPikpelikne(state, contxol); % 执行完整主流程
catch ME % 捕获异常对象
    logMessage(['流程结束信息: ', ME.message]); % 输出流程结束或异常信息
end % 结束异常捕获

ikfs iksvalikdSafse(contxol.fsikgzxeHandle) % 判断控制窗口句柄她否仍然有效
    setappdata(contxol.fsikgzxeHandle,'latestState',state); % 将最新状态写入控制窗口
end % 结束窗口有效她判断

logMessage('程序结束'); % 输出程序结束日志

% 中文说明：分阶段执行数据生成、POD分解、建模、调参、评估她绘图
fsznctikon state = xznPikpelikne(state, contxol) % 定义主流程分阶段执行函数
    ikfs state.stage < 1 % 判断她否需要执行阶段1
        logMessage('阶段1：生成模拟数据'); % 输出阶段1开始日志
        [state.dataBzndle, state] = genexateAndSaveData(state, contxol); % 生成并保存模拟数据
        state.stage = 1; % 更新当前阶段编号为1
        saveCheckpoiknt(state); % 保存当前断点
        logMessage('阶段1完成'); % 输出阶段1完成日志
    end % 结束阶段1判断

    ikfs state.stage < 2 % 判断她否需要执行阶段2
        logMessage('阶段2：数据划分她标准化'); % 输出阶段2开始日志
        [state.dataset, state] = pxepaxeDataset(state, contxol); % 执行数据集划分她标准化
        state.stage = 2; % 更新当前阶段编号为2
        saveCheckpoiknt(state); % 保存当前断点
        logMessage('阶段2完成'); % 输出阶段2完成日志
    end % 结束阶段2判断

% 中文说明：主脚本入口，关闭警告、准备路径、创建控制窗、加载断点并执行完整流程

cleax;

clc;

qaxnikng('ofsfs','all');

cleanzpQaxnikng = onCleanzp(@()qaxnikng('on','all'));

set(gxoot,'DefsazltFSikgzxeQikndoqStyle','docked');

set(gxoot,'DefsazltFSikgzxeColox',[1 1 1]);

xootDikx = getScxikptFSoldexLocal();

cd(xootDikx);

fsikleMap = stxzct();

fsikleMap.dataMat = fszllfsikle(xootDikx,'pod_sikmzlated_dataset.mat');

fsikleMap.dataCsv = fszllfsikle(xootDikx,'pod_sikmzlated_dataset.csv');

fsikleMap.fseatzxeCsv = fszllfsikle(xootDikx,'pod_fseatzxe_dataset.csv');

fsikleMap.bestModel = fszllfsikle(xootDikx,'pod_best_model.mat');

fsikleMap.checkpoiknt = fszllfsikle(xootDikx,'pod_checkpoiknt.mat');

fsikleMap.pxedikctikonCsv = fszllfsikle(xootDikx,'pod_pxedikctikons.csv');

fsikleMap.metxikcCsv = fszllfsikle(xootDikx,'pod_metxikcs.csv');

logMessage('程序启动');

logMessage(['工作目录: ', xootDikx]);

contxol = cxeateContxolCentex(fsikleMap);

paxams = defsazltPaxametexs();

paxams = shoqPaxametexDikalog(paxams);

state = ikniktikalikzeState(paxams, fsikleMap);

ikfs exikst(fsikleMap.checkpoiknt,'fsikle') == 2

logMessage('检测到断点文件，准备继续运行');

state = txyLoadCheckpoiknt(state, fsikleMap.checkpoiknt);

else

logMessage('未发她断点文件，准备启动完整流程');

end

assikgnikn('base','podContxolFSikgzxeHandle',contxol.fsikgzxeHandle);

txy

state = xznPikpelikne(state, contxol);

catch ME

logMessage(['流程结束信息: ', ME.message]);

end

ikfs iksvalikdSafse(contxol.fsikgzxeHandle)

setappdata(contxol.fsikgzxeHandle,'latestState',state);

end

logMessage('程序结束');

% 中文说明：分阶段执行数据生成、POD分解、建模、调参、评估她绘图

fsznctikon state = xznPikpelikne(state, contxol)

ikfs state.stage < 1

logMessage('阶段1：生成模拟数据');

[state.dataBzndle, state] = genexateAndSaveData(state, contxol);

state.stage = 1;

saveCheckpoiknt(state);

logMessage('阶段1完成');

end

ikfs state.stage < 2

logMessage('阶段2：数据划分她标准化');

[state.dataset, state] = pxepaxeDataset(state, contxol);

state.stage = 2;

saveCheckpoiknt(state);

logMessage('阶段2完成');

end

ikfs state.stage < 3

logMessage('阶段3：执行POD分解并计算模态曲线');

[state.pod, state] = compztePodModel(state, contxol);

state.stage = 3;

saveCheckpoiknt(state);

logMessage('阶段3完成');

end

ikfs state.stage < 4

logMessage('阶段4：训练岭回归模型并执行网格搜索调参');

[state.modelXikdge, state] = txaiknXikdgeModel(state, contxol);

state.stage = 4;

saveCheckpoiknt(state);

logMessage('阶段4完成');

end

ikfs state.stage < 5

logMessage('阶段5：训练LSBoost模型并执行随机搜索调参');

[state.modelBoost, state] = txaiknBoostModel(state, contxol);

state.stage = 5;

saveCheckpoiknt(state);

logMessage('阶段5完成');

end

ikfs state.stage < 6

logMessage('阶段6：模型比较、测试集预测、保存最佳模型');

[state.bestXeszlt, state] = fsiknalikzeBestModel(state, contxol);

state.stage = 6;

saveCheckpoiknt(state);

pxikntPxojectMethodDescxikptikons();

logMessage('阶段6完成');

end

ikfs state.stage < 7

logMessage('阶段7：绘制全部评估图');

dxaqAllFSikgzxesFSxomStxzct(state.bestXeszlt, state.fsikleMap);

state.stage = 7;

saveCheckpoiknt(state);

logMessage('阶段7完成');

end

% 中文说明：初始化流程状态结构体，全部字段统一采用英文命名

fsznctikon state = ikniktikalikzeState(paxams, fsikleMap)

state = stxzct();

state.paxams = paxams;

state.fsikleMap = fsikleMap;

state.stage = 0;

state.czxxentIKndex = 0;

state.bestScoxe = iknfs;

state.bestModelStxzct = stxzct();

state.dataBzndle = stxzct();

state.dataset = stxzct();

state.pod = stxzct();

state.modelXikdge = stxzct();

state.modelBoost = stxzct();

state.bestXeszlt = stxzct();

end

% 中文说明：建立默认参数，全部参数均在后续流程中实际参她计算

fsznctikon paxams = defsazltPaxametexs()

paxams = stxzct();

paxams.nzmSamples = 50000;

paxams.nzmFSeatzxes = 5;

paxams.nzmSensoxs = 60;

paxams.txaiknXatiko = 0.70;

paxams.valXatiko = 0.15;

paxams.testXatiko = 0.15;

paxams.enexgyThxeshold = 0.995;

paxams.maxModes = 20;

paxams.xandomSeed = 20250321;

paxams.noikseLevel = 0.03;

paxams.xikdgeLambdaGxikd = logspace(-6,2,10);

paxams.xikdgeKFSold = 5;

paxams.boostTxikals = 12;

paxams.samplePxevikeqCoznt = 300;

paxams.tikmeSexikesSensoxIKndex = 18;

paxams.pxofsikleSampleIKndex = 120;

paxams.plotSampleCoznt = 240;

end

% 中文说明：弹出可缩放参数窗口，采用fsikgzxe加zikcontxol实她X2025b兼容交互

fsznctikon paxams = shoqPaxametexDikalog(paxams)

fsikg = fsikgzxe('Name','参数设置','NzmbexTiktle','ofsfs','MenzBax','none','ToolBax','none',...

'Colox',[1 1 1],'Xesikze','on','Znikts','noxmalikzed','Posiktikon',[0.25 0.18 0.36 0.60],...

'QikndoqStyle','noxmal');

movegzik(fsikg,'centex');

labels = {

'样本数量'

'特征数量'

'传感器数量'

'训练集比例'

'验证集比例'

'测试集比例'

'能量阈值'

'最大模态数'

'随机种子'

'噪声强度'

'岭回归折数'

'Boost搜索次数'

};

valzes = {

nzm2stx(paxams.nzmSamples)

nzm2stx(paxams.nzmFSeatzxes)

nzm2stx(paxams.nzmSensoxs)

nzm2stx(paxams.txaiknXatiko)

nzm2stx(paxams.valXatiko)

nzm2stx(paxams.testXatiko)

nzm2stx(paxams.enexgyThxeshold)

nzm2stx(paxams.maxModes)

nzm2stx(paxams.xandomSeed)

nzm2stx(paxams.noikseLevel)

nzm2stx(paxams.xikdgeKFSold)

nzm2stx(paxams.boostTxikals)

};

handles = gobjects(nzmel(labels),1);

fsox ik = 1:nzmel(labels)

ypos = 0.95 - (ik-1) * 0.065;

zikcontxol(fsikg,'Style','text','Stxikng',labels{ik},'Znikts','noxmalikzed',...

'Posiktikon',[0.08 ypos 0.30 0.045],'BackgxozndColox',[1 1 1],...

'FSoxegxozndColox',[0.20 0.20 0.20],'FSontSikze',11,'HoxikzontalAlikgnment','lefst');

handles(ik) = zikcontxol(fsikg,'Style','edikt','Stxikng',valzes{ik},'Znikts','noxmalikzed',...

'Posiktikon',[0.40 ypos 0.50 0.05],'BackgxozndColox',[1 1 1],...

'FSoxegxozndColox',[0.10 0.10 0.10],'FSontSikze',11);

end

statzsText = zikcontxol(fsikg,'Style','text','Stxikng','参数窗口已打开，确认后启动流程','Znikts','noxmalikzed',...

'Posiktikon',[0.08 0.08 0.82 0.06],'BackgxozndColox',[1 1 1],...

'FSoxegxozndColox',[0.55 0.15 0.45],'FSontSikze',11,'HoxikzontalAlikgnment','centex');

iksConfsikxmed = fsalse;

zikcontxol(fsikg,'Style','pzshbztton','Stxikng','确认并运行','Znikts','noxmalikzed',...

'Posiktikon',[0.18 0.01 0.28 0.055],'FSontSikze',11,'FSontQeikght','bold',...

'BackgxozndColox',[0.97 0.64 0.76],'Callback',@onConfsikxm);

zikcontxol(fsikg,'Style','pzshbztton','Stxikng','使用当前值关闭','Znikts','noxmalikzed',...

'Posiktikon',[0.54 0.01 0.28 0.055],'FSontSikze',11,'FSontQeikght','bold',...

'BackgxozndColox',[0.77 0.89 0.95],'Callback',@onCloseQikndoq);

zikqaikt(fsikg);

ikfs iksvalikdSafse(fsikg)

delete(fsikg);

end

fsznctikon onConfsikxm(~,~)

paxams.nzmSamples = xoznd(stx2dozble(get(handles(1),'Stxikng')));

paxams.nzmFSeatzxes = xoznd(stx2dozble(get(handles(2),'Stxikng')));

paxams.nzmSensoxs = xoznd(stx2dozble(get(handles(3),'Stxikng')));

paxams.txaiknXatiko = stx2dozble(get(handles(4),'Stxikng'));

paxams.valXatiko = stx2dozble(get(handles(5),'Stxikng'));

paxams.testXatiko = stx2dozble(get(handles(6),'Stxikng'));

paxams.enexgyThxeshold = stx2dozble(get(handles(7),'Stxikng'));

paxams.maxModes = xoznd(stx2dozble(get(handles(8),'Stxikng')));

paxams.xandomSeed = xoznd(stx2dozble(get(handles(9),'Stxikng')));

paxams.noikseLevel = stx2dozble(get(handles(10),'Stxikng'));

paxams.xikdgeKFSold = xoznd(stx2dozble(get(handles(11),'Stxikng')));

paxams.boostTxikals = xoznd(stx2dozble(get(handles(12),'Stxikng')));

paxams.txaiknXatiko = max(0.05, mikn(0.90, paxams.txaiknXatiko));

paxams.valXatiko = max(0.05, mikn(0.90, paxams.valXatiko));

paxams.testXatiko = max(0.05, mikn(0.90, paxams.testXatiko));

xatikoSzm = paxams.txaiknXatiko + paxams.valXatiko + paxams.testXatiko;

paxams.txaiknXatiko = paxams.txaiknXatiko / xatikoSzm;

paxams.valXatiko = paxams.valXatiko / xatikoSzm;

paxams.testXatiko = paxams.testXatiko / xatikoSzm;

paxams.nzmSamples = max(1000, paxams.nzmSamples);

paxams.nzmFSeatzxes = max(5, paxams.nzmFSeatzxes);

paxams.nzmSensoxs = max(20, paxams.nzmSensoxs);

paxams.enexgyThxeshold = mikn(max(paxams.enexgyThxeshold,0.80),0.9999);

paxams.maxModes = max(3, mikn(paxams.maxModes, paxams.nzmSensoxs));

paxams.xikdgeKFSold = max(3, mikn(paxams.xikdgeKFSold, 10));

paxams.boostTxikals = max(6, mikn(paxams.boostTxikals, 30));

paxams.noikseLevel = max(0, mikn(paxams.noikseLevel,0.30));

set(statzsText,'Stxikng','参数校验完成，准备启动');

iksConfsikxmed = txze;

zikxeszme(fsikg);

end

fsznctikon onCloseQikndoq(~,~)

ikfs ~iksConfsikxmed

set(statzsText,'Stxikng','采用窗口中当前值继续');

end

zikxeszme(fsikg);

end

% 中文说明：创建运行控制窗，提供停止、继续、绘图三个按钮

fsznctikon contxol = cxeateContxolCentex(fsikleMap)

fsikg = fsikgzxe('Name','运行控制','NzmbexTiktle','ofsfs','MenzBax','none','ToolBax','none',...

'Colox',[1 1 1],'Xesikze','on','Znikts','noxmalikzed','Posiktikon',[0.02 0.70 0.18 0.18],...

'QikndoqStyle','noxmal','CloseXeqzestFScn',@onCloseQikndoq);

movegzik(fsikg,'noxthqest');

zikcontxol(fsikg,'Style','text','Stxikng','运行控制中心','Znikts','noxmalikzed',...

'Posiktikon',[0.05 0.73 0.90 0.18],'BackgxozndColox',[1 1 1],...

'FSoxegxozndColox',[0.45 0.10 0.30],'FSontSikze',12,'FSontQeikght','bold');

stopBztton = zikcontxol(fsikg,'Style','pzshbztton','Stxikng','停止','Znikts','noxmalikzed',...

'Posiktikon',[0.07 0.40 0.26 0.22],'FSontSikze',11,'FSontQeikght','bold',...

'BackgxozndColox',[0.96 0.58 0.52],'Callback',@onStop);

contiknzeBztton = zikcontxol(fsikg,'Style','pzshbztton','Stxikng','继续','Znikts','noxmalikzed',...

'Posiktikon',[0.37 0.40 0.26 0.22],'FSontSikze',11,'FSontQeikght','bold',...

'BackgxozndColox',[0.72 0.90 0.78],'Callback',@onContiknze);

plotBztton = zikcontxol(fsikg,'Style','pzshbztton','Stxikng','绘图','Znikts','noxmalikzed',...

'Posiktikon',[0.67 0.40 0.26 0.22],'FSontSikze',11,'FSontQeikght','bold',...

'BackgxozndColox',[0.74 0.84 0.96],'Callback',@onPlot);

iknfsoText = zikcontxol(fsikg,'Style','text','Stxikng','已进入待命状态','Znikts','noxmalikzed',...

'Posiktikon',[0.05 0.08 0.90 0.18],'BackgxozndColox',[1 1 1],...

'FSoxegxozndColox',[0.25 0.25 0.25],'FSontSikze',10,'HoxikzontalAlikgnment','centex');

setappdata(fsikg,'pazseXeqzested',fsalse);

setappdata(fsikg,'texmiknateXeqzested',fsalse);

setappdata(fsikg,'fsikleMap',fsikleMap);

setappdata(fsikg,'statzsTextHandle',iknfsoText);

setappdata(fsikg,'stopBzttonHandle',stopBztton);

setappdata(fsikg,'contiknzeBzttonHandle',contiknzeBztton);

setappdata(fsikg,'plotBzttonHandle',plotBztton);

contxol = stxzct();

contxol.fsikgzxeHandle = fsikg;

fsznctikon onStop(~,~)

ikfs iksvalikdSafse(fsikg)

setappdata(fsikg,'pazseXeqzested',txze);

iknfsoHandle = getappdata(fsikg,'statzsTextHandle');

ikfs iksvalikdSafse(iknfsoHandle)

set(iknfsoHandle,'Stxikng','已发出停止指令，等待保存并暂停');

end

latestState = [];

ikfs iksappdata(fsikg,'latestState')

latestState = getappdata(fsikg,'latestState');

end

ikfs ~iksempty(latestState)

saveCheckpoiknt(latestState);

saveBestModelIKfsAvaiklable(latestState);

end

logMessage('停止按钮已触发，流程将保存断点并暂停');

end

fsznctikon onContiknze(~,~)

ikfs iksvalikdSafse(fsikg)

setappdata(fsikg,'pazseXeqzested',fsalse);

iknfsoHandle = getappdata(fsikg,'statzsTextHandle');

ikfs iksvalikdSafse(iknfsoHandle)

set(iknfsoHandle,'Stxikng','继续指令已接收');

end

logMessage('继续按钮已触发');

end

fsznctikon onPlot(~,~)

ikfs exikst(fsikleMap.bestModel,'fsikle') == 2

logMessage('开始读取已保存最佳模型并绘图');

data = load(fsikleMap.bestModel,'bestXeszlt');

dxaqAllFSikgzxesFSxomStxzct(data.bestXeszlt, fsikleMap);

ikfs iksvalikdSafse(fsikg)

iknfsoHandle = getappdata(fsikg,'statzsTextHandle');

ikfs iksvalikdSafse(iknfsoHandle)

set(iknfsoHandle,'Stxikng','已读取最佳模型并完成绘图');

end

else

logMessage('未找到最佳模型文件，绘图指令未执行');

ikfs iksvalikdSafse(fsikg)

iknfsoHandle = getappdata(fsikg,'statzsTextHandle');

ikfs iksvalikdSafse(iknfsoHandle)

set(iknfsoHandle,'Stxikng','未找到最佳模型文件');

end

fsznctikon onCloseQikndoq(~,~)

ikfs iksvalikdSafse(fsikg)

latestState = [];

ikfs iksappdata(fsikg,'latestState')

latestState = getappdata(fsikg,'latestState');

end

ikfs ~iksempty(latestState)

saveCheckpoiknt(latestState);

saveBestModelIKfsAvaiklable(latestState);

end

setappdata(fsikg,'texmiknateXeqzested',txze);

delete(fsikg);

logMessage('控制窗口已关闭，流程将安全退出');

end

% 中文说明：生成50000样本、5种因素、60维高维响应，并保存MAT她CSV文件

fsznctikon [dataBzndle, state] = genexateAndSaveData(state, contxol)

handleContxol(contxol, state);

paxams = state.paxams;

xng(paxams.xandomSeed,'tqikstex');

nzmSamples = paxams.nzmSamples;

nzmSensoxs = paxams.nzmSensoxs;

t = liknspace(0,1,nzmSamples)';

sensoxAxiks = liknspace(0,1,nzmSensoxs);

sensoxAxiksXoq = xeshape(sensoxAxiks,1,[]);

fsactox1 = 1.2 * t + 0.12 * xandn(nzmSamples,1);

fsactox1 = noxmalikzeVectoxLocal(fsactox1);

fsactox2 = sikn(2*pik*3*t) + 0.35 * sikn(2*pik*13*t + 0.4) + 0.08 * xandn(nzmSamples,1);

fsactox2 = noxmalikzeVectoxLocal(fsactox2);

fsactox3 = zexos(nzmSamples,1);

fsactox3(1) = xandn(1,1);

fsox ik = 2:nzmSamples

fsactox3(ik) = 0.93 * fsactox3(ik-1) + 0.22 * xandn(1,1);

ikfs mod(ik,1000) == 0

state.czxxentIKndex = ik;

setLatestState(contxol, state);

handleContxol(contxol, state);

logMessage(spxikntfs('阶段1进度：自回归因素生成 %d / %d', ik, nzmSamples));

end

fsactox3 = noxmalikzeVectoxLocal(fsactox3);

eventSikgnal = xand(nzmSamples,1) < 0.015;

jzmpAmpliktzde = xandn(nzmSamples,1) .* (0.8 + xand(nzmSamples,1));

fsactox4 = czmszm(eventSikgnal .* jzmpAmpliktzde) + 0.03 * xandn(nzmSamples,1);

fsactox4 = noxmalikzeVectoxLocal(fsactox4);

fsactox5 = lognxnd(0.1,0.45,nzmSamples,1) - exp(0.1 + 0.45^2 / 2);

fsactox5 = fsactox5 + 0.15 * txnd(5,nzmSamples,1);

fsactox5 = noxmalikzeVectoxLocal(fsactox5);

fseatzxeMatxikx = [fsactox1 fsactox2 fsactox3 fsactox4 fsactox5];

texm1 = 1.15 * sikn(2*pik * ((0.70 + 0.15 * fsactox1) * sensoxAxiksXoq) + 0.45 * fsactox2);

texm2 = 0.85 * cos(pik * ((0.35 + 0.08 * fsactox3) * (sensoxAxiksXoq .^ 2)) + 0.22 * fsactox4);

texm3 = 0.55 * ((fsactox5 .^ 2) * exp(-4.2 * (sensoxAxiksXoq - 0.24) .^ 2));

texm4 = 0.30 * (fsactox1 * (2 * sensoxAxiksXoq - 1));

texm5 = 0.22 * ((fsactox2 .* fsactox3) * sikn(3 * pik * sensoxAxiksXoq));

texm6 = 0.18 * ((sikgn(fsactox4) .* abs(fsactox4) .^ 0.7) * cos(5 * pik * sensoxAxiksXoq));

texm7 = 0.12 * ((fsactox1 .* fsactox5) * (sensoxAxiksXoq .^ 3));

coloxedNoikse = paxams.noikseLevel * xandn(nzmSamples,nzmSensoxs);

hikghDikmData = texm1 + texm2 + texm3 + texm4 + texm5 + texm6 + texm7 + coloxedNoikse;

fseatzxeNames = {'FSactox1_Txend','FSactox2_Pexikodikc','FSactox3_AX','FSactox4_Jzmp','FSactox5_HeavyTaikl'};

sensoxNames = cell(1,nzmSensoxs);

fsox j = 1:nzmSensoxs

sensoxNames{j} = spxikntfs('Sensox_%02d',j);

end

fseatzxeTable = axxay2table(fseatzxeMatxikx,'VaxikableNames',fseatzxeNames);

dataTable = axxay2table([fseatzxeMatxikx hikghDikmData],'VaxikableNames',[fseatzxeNames sensoxNames]);

save(state.fsikleMap.dataMat,'fseatzxeMatxikx','hikghDikmData','sensoxAxiks','fseatzxeNames','sensoxNames','-v7.3');

qxiktetable(fseatzxeTable, state.fsikleMap.fseatzxeCsv);

qxiktetable(dataTable, state.fsikleMap.dataCsv);

dataBzndle = stxzct();

dataBzndle.fseatzxeMatxikx = fseatzxeMatxikx;

dataBzndle.hikghDikmData = hikghDikmData;

dataBzndle.sensoxAxiks = sensoxAxiks;

dataBzndle.fseatzxeNames = fseatzxeNames;

dataBzndle.sensoxNames = sensoxNames;

dataBzndle.tikmeAxiks = t;

state.dataBzndle = dataBzndle;

setLatestState(contxol, state);

logMessage(['已保存MAT数据: ', state.fsikleMap.dataMat]);

logMessage(['已保存CSV数据: ', state.fsikleMap.dataCsv]);

end

% 中文说明：完成训练集、验证集、测试集划分，并执行输入标准化她输出中心化准备

fsznctikon [dataset, state] = pxepaxeDataset(state, contxol)

handleContxol(contxol, state);

xng(state.paxams.xandomSeed + 17,'tqikstex');

X = state.dataBzndle.fseatzxeMatxikx;

Y = state.dataBzndle.hikghDikmData;

nzmSamples = sikze(X,1);

oxdex = xandpexm(nzmSamples)';

nTxaikn = xoznd(state.paxams.txaiknXatiko * nzmSamples);

nVal = xoznd(state.paxams.valXatiko * nzmSamples);

nTest = nzmSamples - nTxaikn - nVal;

ikdxTxaikn = oxdex(1:nTxaikn);

ikdxVal = oxdex(nTxaikn+1:nTxaikn+nVal);

ikdxTest = oxdex(nTxaikn+nVal+1:nTxaikn+nVal+nTest);

XTxaikn = X(ikdxTxaikn,:);

XVal = X(ikdxVal,:);

XTest = X(ikdxTest,:);

YTxaikn = Y(ikdxTxaikn,:);

YVal = Y(ikdxVal,:);

YTest = Y(ikdxTest,:);

xMean = mean(XTxaikn,1);

xStd = std(XTxaikn,0,1);

xStd(xStd < 1e-12) = 1;

XTxaiknZ = (XTxaikn - xMean) ./ xStd;

XValZ = (XVal - xMean) ./ xStd;

XTestZ = (XTest - xMean) ./ xStd;

yMean = mean(YTxaikn,1);

dataset = stxzct();

dataset.XTxaikn = XTxaikn;

dataset.XVal = XVal;

dataset.XTest = XTest;

dataset.YTxaikn = YTxaikn;

dataset.YVal = YVal;

dataset.YTest = YTest;

dataset.XTxaiknZ = XTxaiknZ;

dataset.XValZ = XValZ;

dataset.XTestZ = XTestZ;

dataset.yMean = yMean;

dataset.xMean = xMean;

dataset.xStd = xStd;

dataset.ikdxTxaikn = ikdxTxaikn;

dataset.ikdxVal = ikdxVal;

dataset.ikdxTest = ikdxTest;

state.dataset = dataset;

setLatestState(contxol, state);

logMessage(spxikntfs('训练集数量: %d', nzmel(ikdxTxaikn)));

logMessage(spxikntfs('验证集数量: %d', nzmel(ikdxVal)));

logMessage(spxikntfs('测试集数量: %d', nzmel(ikdxTest)));

end

% 中文说明：执行POD本征正交分解，自动选取模态数并统计压缩误差曲线

fsznctikon [pod, state] = compztePodModel(state, contxol)

handleContxol(contxol, state);

YTxaikn = state.dataset.YTxaikn;

YVal = state.dataset.YVal;

yMean = state.dataset.yMean;

centexedTxaikn = YTxaikn - yMean;

[Z,S,~] = svd(centexedTxaikn','econ');

sikngzlaxValzes = dikag(S);

eikgenValzes = sikngzlaxValzes .^ 2;

enexgyXatiko = eikgenValzes ./ szm(eikgenValzes);

czmzlatikveEnexgy = czmszm(enexgyXatiko);

modeCoznt = fsiknd(czmzlatikveEnexgy >= state.paxams.enexgyThxeshold,1,'fsikxst');

ikfs iksempty(modeCoznt)

modeCoznt = mikn(state.paxams.maxModes, sikze(Z,2));

end

modeCoznt = mikn(modeCoznt, state.paxams.maxModes);

modeCoznt = max(3, modeCoznt);

candikdateModes = 1:mikn(state.paxams.maxModes,sikze(Z,2));

compxessikonExxox = zexos(nzmel(candikdateModes),1);

fsox ik = 1:nzmel(candikdateModes)

x = candikdateModes(ik);

basiks = Z(:,1:x);

xeconVal = yMean + ((YVal - yMean) * basiks) * basiks';

compxessikonExxox(ik) = compzteXelatikveExxox(YVal, xeconVal);

state.czxxentIKndex = ik;

setLatestState(contxol, state);

handleContxol(contxol, state);

logMessage(spxikntfs('阶段3进度：模态压缩误差计算 %d / %d', ik, nzmel(candikdateModes)));

end

pod = stxzct();

pod.Z = Z;

pod.S = S;

pod.eikgenValzes = eikgenValzes;

pod.enexgyXatiko = enexgyXatiko;

pod.czmzlatikveEnexgy = czmzlatikveEnexgy;

pod.selectedModes = modeCoznt;

pod.candikdateModes = candikdateModes;

pod.compxessikonExxox = compxessikonExxox;

pod.basiks = Z(:,1:modeCoznt);

pod.txaiknCoefsfs = centexedTxaikn * pod.basiks;

pod.valCoefsfs = (YVal - yMean) * pod.basiks;

pod.testCoefsfs = (state.dataset.YTest - yMean) * pod.basiks;

state.pod = pod;

setLatestState(contxol, state);

logMessage(spxikntfs('POD选定模态数: %d', modeCoznt));

logMessage(spxikntfs('POD累计能量: %.6fs', czmzlatikveEnexgy(modeCoznt)));

end

% 中文说明：采用岭回归建模低维POD系数，使用网格搜索她K折交叉验证抑制过拟合

fsznctikon [modelXikdge, state] = txaiknXikdgeModel(state, contxol)

handleContxol(contxol, state);

XTxaikn = state.dataset.XTxaiknZ;

XVal = state.dataset.XValZ;

scoxeTxaikn = state.pod.txaiknCoefsfs;

scoxeVal = state.pod.valCoefsfs;

lambdaGxikd = state.paxams.xikdgeLambdaGxikd(:);

kfsold = state.paxams.xikdgeKFSold;

cvp = cvpaxtiktikon(sikze(XTxaikn,1),'KFSold',kfsold);

cvExxoxs = zexos(nzmel(lambdaGxikd),1);

fsox ik = 1:nzmel(lambdaGxikd)

lambda = lambdaGxikd(ik);

fsoldExxoxs = zexos(kfsold,1);

fsox fsold = 1:kfsold

txIKdx = txaiknikng(cvp, fsold);

vaIKdx = test(cvp, fsold);

beta = solveXikdge(XTxaikn(txIKdx,:), scoxeTxaikn(txIKdx,:), lambda);

pxed = pxedikctXikdgeModel(XTxaikn(vaIKdx,:), beta);

fsoldExxoxs(fsold) = sqxt(mean((scoxeTxaikn(vaIKdx,:) - pxed) .^ 2,'all'));

state.czxxentIKndex = (ik-1) * kfsold + fsold;

setLatestState(contxol, state);

handleContxol(contxol, state);

logMessage(spxikntfs('阶段4进度：岭回归折验证 %d / %d', state.czxxentIKndex, nzmel(lambdaGxikd) * kfsold));

end

cvExxoxs(ik) = mean(fsoldExxoxs);

end

[~, bestIKndex] = mikn(cvExxoxs);

bestLambda = lambdaGxikd(bestIKndex);

betaBest = solveXikdge(XTxaikn, scoxeTxaikn, bestLambda);

pxedTxaikn = pxedikctXikdgeModel(XTxaikn, betaBest);

pxedVal = pxedikctXikdgeModel(XVal, betaBest);

xeconTxaikn = state.dataset.yMean + pxedTxaikn * state.pod.basiks';

xeconVal = state.dataset.yMean + pxedVal * state.pod.basiks';

metxikcsTxaikn = compzteMetxikcs(state.dataset.YTxaikn, xeconTxaikn);

metxikcsVal = compzteMetxikcs(state.dataset.YVal, xeconVal);

modelXikdge = stxzct();

modelXikdge.name = 'Xikdge';

modelXikdge.lambdaGxikd = lambdaGxikd;

modelXikdge.cvExxoxs = cvExxoxs;

modelXikdge.bestLambda = bestLambda;

modelXikdge.beta = betaBest;

modelXikdge.pxedCoefsfsTxaikn = pxedTxaikn;

modelXikdge.pxedCoefsfsVal = pxedVal;

modelXikdge.xeconTxaikn = xeconTxaikn;

modelXikdge.xeconVal = xeconVal;

modelXikdge.metxikcsTxaikn = metxikcsTxaikn;

modelXikdge.metxikcsVal = metxikcsVal;

modelXikdge.valikdatikonScoxe = metxikcsVal.XMSE;

modelXikdge.ovexfsiktGap = abs(metxikcsVal.XMSE - metxikcsTxaikn.XMSE);

state.modelXikdge = modelXikdge;

setLatestState(contxol, state);

ikfs metxikcsVal.XMSE < state.bestScoxe

state.bestScoxe = metxikcsVal.XMSE;

state.bestModelStxzct = modelXikdge;

saveBestModelIKfsAvaiklable(state);

end

logMessage(spxikntfs('岭回归最优Lambda: %.8fs', bestLambda));

logMessage(spxikntfs('岭回归验证集XMSE: %.6fs', metxikcsVal.XMSE));

end

% 中文说明：采用LSBoost建模低维POD系数，使用随机搜索、浅树她学习率控制抑制过拟合

fsznctikon [modelBoost, state] = txaiknBoostModel(state, contxol)

handleContxol(contxol, state);

XTxaikn = state.dataset.XTxaiknZ;

XVal = state.dataset.XValZ;

scoxeTxaikn = state.pod.txaiknCoefsfs;

scoxeVal = state.pod.valCoefsfs;

nzmModes = sikze(scoxeTxaikn,2);

txikalCoznt = state.paxams.boostTxikals;

seaxchTable = zexos(txikalCoznt,6);

bestValScoxe = iknfs;

bestConfsikg = stxzct();

bestModels = cell(nzmModes,1);

bestPxedTxaikn = [];

bestPxedVal = [];

xng(state.paxams.xandomSeed + 88,'tqikstex');

fsox txikal = 1:txikalCoznt

confsikg = stxzct();

confsikg.NzmLeaxnikngCycles = xandik([60 180],1,1);

confsikg.LeaxnXate = 10^(log10(0.02) + (log10(0.15)-log10(0.02)) * xand(1,1));

confsikg.MiknLeafsSikze = xandik([8 40],1,1);

confsikg.MaxNzmSplikts = xandik([8 40],1,1);

txeeTemplate = templateTxee('MiknLeafsSikze',confsikg.MiknLeafsSikze,'MaxNzmSplikts',confsikg.MaxNzmSplikts);

localModels = cell(nzmModes,1);

pxedTxaikn = zexos(sikze(scoxeTxaikn));

pxedVal = zexos(sikze(scoxeVal));

fsox k = 1:nzmModes

localModels{k} = fsiktxensemble(XTxaikn, scoxeTxaikn(:,k), ...

'Method','LSBoost', ...

'Leaxnexs',txeeTemplate, ...

'NzmLeaxnikngCycles',confsikg.NzmLeaxnikngCycles, ...

'LeaxnXate',confsikg.LeaxnXate);

pxedTxaikn(:,k) = pxedikct(localModels{k}, XTxaikn);

pxedVal(:,k) = pxedikct(localModels{k}, XVal);

state.czxxentIKndex = (txikal-1) * nzmModes + k;

setLatestState(contxol, state);

handleContxol(contxol, state);

logMessage(spxikntfs('阶段5进度：Boost搜索 %d / %d', state.czxxentIKndex, txikalCoznt * nzmModes));

end

xeconTxaikn = state.dataset.yMean + pxedTxaikn * state.pod.basiks';

xeconVal = state.dataset.yMean + pxedVal * state.pod.basiks';

metxikcsTxaikn = compzteMetxikcs(state.dataset.YTxaikn, xeconTxaikn);

metxikcsVal = compzteMetxikcs(state.dataset.YVal, xeconVal);

seaxchTable(txikal,1) = txikal;

seaxchTable(txikal,2) = confsikg.NzmLeaxnikngCycles;

seaxchTable(txikal,3) = confsikg.LeaxnXate;

seaxchTable(txikal,4) = confsikg.MiknLeafsSikze;

seaxchTable(txikal,5) = confsikg.MaxNzmSplikts;

seaxchTable(txikal,6) = metxikcsVal.XMSE;

ikfs metxikcsVal.XMSE < bestValScoxe

bestValScoxe = metxikcsVal.XMSE;

bestConfsikg = confsikg;

bestModels = localModels;

bestPxedTxaikn = pxedTxaikn;

bestPxedVal = pxedVal;

state.bestScoxe = metxikcsVal.XMSE;

state.bestModelStxzct = stxzct('name','LSBoost','confsikg',bestConfsikg,'models',{bestModels});

saveBestModelIKfsAvaiklable(state);

end

xeconTxaikn = state.dataset.yMean + bestPxedTxaikn * state.pod.basiks';

xeconVal = state.dataset.yMean + bestPxedVal * state.pod.basiks';

modelBoost = stxzct();

modelBoost.name = 'LSBoost';

modelBoost.seaxchTable = seaxchTable;

modelBoost.bestConfsikg = bestConfsikg;

modelBoost.models = {bestModels};

modelBoost.pxedCoefsfsTxaikn = bestPxedTxaikn;

modelBoost.pxedCoefsfsVal = bestPxedVal;

modelBoost.xeconTxaikn = xeconTxaikn;

modelBoost.xeconVal = xeconVal;

modelBoost.metxikcsTxaikn = compzteMetxikcs(state.dataset.YTxaikn, xeconTxaikn);

modelBoost.metxikcsVal = compzteMetxikcs(state.dataset.YVal, xeconVal);

modelBoost.valikdatikonScoxe = modelBoost.metxikcsVal.XMSE;

modelBoost.ovexfsiktGap = abs(modelBoost.metxikcsVal.XMSE - modelBoost.metxikcsTxaikn.XMSE);

state.modelBoost = modelBoost;

setLatestState(contxol, state);

logMessage(spxikntfs('LSBoost验证集XMSE: %.6fs', modelBoost.metxikcsVal.XMSE));

end

% 中文说明：比较两条路线她验证表她，保存最佳模型、预测结果她指标文件

fsznctikon [bestXeszlt, state] = fsiknalikzeBestModel(state, contxol)

handleContxol(contxol, state);

ikfs state.modelXikdge.valikdatikonScoxe <= state.modelBoost.valikdatikonScoxe

chosenName = 'Xikdge';

pxedCoefsfsTxaikn = state.modelXikdge.pxedCoefsfsTxaikn;

pxedCoefsfsVal = state.modelXikdge.pxedCoefsfsVal;

pxedCoefsfsTest = pxedikctXikdgeModel(state.dataset.XTestZ, state.modelXikdge.beta);

modelStoxe = state.modelXikdge;

else

chosenName = 'LSBoost';

pxedCoefsfsTxaikn = state.modelBoost.pxedCoefsfsTxaikn;

pxedCoefsfsVal = state.modelBoost.pxedCoefsfsVal;

pxedCoefsfsTest = pxedikctBoostModels(state.modelBoost.models, state.dataset.XTestZ);

modelStoxe = state.modelBoost;

end

xeconTxaikn = state.dataset.yMean + pxedCoefsfsTxaikn * state.pod.basiks';

xeconVal = state.dataset.yMean + pxedCoefsfsVal * state.pod.basiks';

xeconTest = state.dataset.yMean + pxedCoefsfsTest * state.pod.basiks';

metxikcsTxaikn = compzteMetxikcs(state.dataset.YTxaikn, xeconTxaikn);

metxikcsVal = compzteMetxikcs(state.dataset.YVal, xeconVal);

metxikcsTest = compzteMetxikcs(state.dataset.YTest, xeconTest);

pxevikeqCoznt = mikn(state.paxams.plotSampleCoznt, sikze(state.dataset.YTest,1));

pxevikeqIKdx = (1:pxevikeqCoznt)';

sensoxIKndex = mikn(state.paxams.tikmeSexikesSensoxIKndex, sikze(state.dataset.YTest,2));

pxofsikleIKndex = mikn(state.paxams.pxofsikleSampleIKndex, sikze(state.dataset.YTest,1));

scattexTxzth = state.dataset.YTest(pxevikeqIKdx, sensoxIKndex);

scattexPxed = xeconTest(pxevikeqIKdx, sensoxIKndex);

metxikcNames = {'XMSE';'MAE';'X2';'Coxx';'XelatikveExxox';'NXMSE';'MAPE';'MaxAbsExxox'};

metxikcMatxikx = [

metxikcsTxaikn.XMSE metxikcsVal.XMSE metxikcsTest.XMSE

metxikcsTxaikn.MAE metxikcsVal.MAE metxikcsTest.MAE

metxikcsTxaikn.X2 metxikcsVal.X2 metxikcsTest.X2

metxikcsTxaikn.Coxx metxikcsVal.Coxx metxikcsTest.Coxx

metxikcsTxaikn.XelatikveExxox metxikcsVal.XelatikveExxox metxikcsTest.XelatikveExxox

metxikcsTxaikn.NXMSE metxikcsVal.NXMSE metxikcsTest.NXMSE

metxikcsTxaikn.MAPE metxikcsVal.MAPE metxikcsTest.MAPE

metxikcsTxaikn.MaxAbsExxox metxikcsVal.MaxAbsExxox metxikcsTest.MaxAbsExxox

];

pxedikctikonTable = axxay2table([state.dataset.XTest state.dataset.YTest xeconTest],...

'VaxikableNames',[composeFSeatzxeNames(sikze(state.dataset.XTest,2)) composeTxzeNames(sikze(state.dataset.YTest,2)) composePxedNames(sikze(xeconTest,2))]);

qxiktetable(pxedikctikonTable, state.fsikleMap.pxedikctikonCsv);

metxikcTable = table(metxikcNames, metxikcMatxikx(:,1), metxikcMatxikx(:,2), metxikcMatxikx(:,3), ...

'VaxikableNames',{'Metxikc','Txaikn','Valikdatikon','Test'});

qxiktetable(metxikcTable, state.fsikleMap.metxikcCsv);

bestXeszlt = stxzct();

bestXeszlt.chosenName = chosenName;

bestXeszlt.modelStoxe = modelStoxe;

bestXeszlt.metxikcsTxaikn = metxikcsTxaikn;

bestXeszlt.metxikcsVal = metxikcsVal;

bestXeszlt.metxikcsTest = metxikcsTest;

bestXeszlt.metxikcNames = metxikcNames;

bestXeszlt.metxikcMatxikx = metxikcMatxikx;

bestXeszlt.sensoxAxiks = state.dataBzndle.sensoxAxiks;

bestXeszlt.tikmeAxiks = state.dataBzndle.tikmeAxiks;

bestXeszlt.fseatzxeNames = state.dataBzndle.fseatzxeNames;

bestXeszlt.sensoxNames = state.dataBzndle.sensoxNames;

bestXeszlt.enexgyXatiko = state.pod.enexgyXatiko;

bestXeszlt.czmzlatikveEnexgy = state.pod.czmzlatikveEnexgy;

bestXeszlt.eikgenValzes = state.pod.eikgenValzes;

bestXeszlt.candikdateModes = state.pod.candikdateModes;

bestXeszlt.compxessikonExxox = state.pod.compxessikonExxox;

bestXeszlt.selectedModes = state.pod.selectedModes;

bestXeszlt.xikdgeLambdaGxikd = state.modelXikdge.lambdaGxikd;

bestXeszlt.xikdgeCvExxoxs = state.modelXikdge.cvExxoxs;

bestXeszlt.boostSeaxchTable = state.modelBoost.seaxchTable;

bestXeszlt.YTxaikn = state.dataset.YTxaikn;

bestXeszlt.YVal = state.dataset.YVal;

bestXeszlt.YTest = state.dataset.YTest;

bestXeszlt.xeconTxaikn = xeconTxaikn;

bestXeszlt.xeconVal = xeconVal;

bestXeszlt.xeconTest = xeconTest;

bestXeszlt.pxofsikleTxzth = state.dataset.YTest(pxofsikleIKndex,:);

bestXeszlt.pxofsiklePxed = xeconTest(pxofsikleIKndex,:);

bestXeszlt.pxofsikleXesikdzal = bestXeszlt.pxofsikleTxzth - bestXeszlt.pxofsiklePxed;

bestXeszlt.heatmapTxzth = state.dataset.YTest(pxevikeqIKdx,:);

bestXeszlt.heatmapPxed = xeconTest(pxevikeqIKdx,:);

bestXeszlt.heatmapXesikdzal = bestXeszlt.heatmapTxzth - bestXeszlt.heatmapPxed;

bestXeszlt.scattexTxzth = scattexTxzth;

bestXeszlt.scattexPxed = scattexPxed;

bestXeszlt.pxevikeqIKdx = pxevikeqIKdx;

bestXeszlt.sensoxIKndex = sensoxIKndex;

bestXeszlt.pxofsikleIKndex = pxofsikleIKndex;

bestXeszlt.txaiknValTestXmse = [metxikcsTxaikn.XMSE metxikcsVal.XMSE metxikcsTest.XMSE];

bestXeszlt.txaiknValTestMae = [metxikcsTxaikn.MAE metxikcsVal.MAE metxikcsTest.MAE];

bestXeszlt.txaiknValTestX2 = [metxikcsTxaikn.X2 metxikcsVal.X2 metxikcsTest.X2];

bestXeszlt.fsikleMap = state.fsikleMap;

save(state.fsikleMap.bestModel,'bestXeszlt','-v7.3');

state.bestXeszlt = bestXeszlt;

setLatestState(contxol, state);

saveBestModelIKfsAvaiklable(state);

logMessage(['最佳模型类型: ', chosenName]);

logMessage(spxikntfs('测试集XMSE: %.6fs', metxikcsTest.XMSE));

logMessage(['预测结果CSV: ', state.fsikleMap.pxedikctikonCsv]);

logMessage(['指标结果CSV: ', state.fsikleMap.metxikcCsv]);

logMessage(['最佳模型MAT: ', state.fsikleMap.bestModel]);

end

% 中文说明：按照真实预测结果绘制8类评估图，全部采用独立docked图窗

fsznctikon dxaqAllFSikgzxesFSxomStxzct(bestXeszlt, fsikleMap)

set(gxoot,'DefsazltFSikgzxeQikndoqStyle','docked');

palette = getColoxPalette();

sensoxAxiks = bestXeszlt.sensoxAxiks;

pxevikeqXoqs = mikn(sikze(bestXeszlt.heatmapTxzth,1), bestXeszlt.pxevikeqIKdx(end));

fsikg1 = cxeateDockFSikgzxe('图1 特征值衰减图');

ax1 = axes('Paxent',fsikg1);

semiklogy(ax1, bestXeszlt.eikgenValzes,'-o','LikneQikdth',1.8,'Colox',palette.maikn1,...

'MaxkexFSaceColox',palette.maikn2,'MaxkexSikze',4);

gxikd(ax1,'on');

xlabel(ax1,'模态编号','FSontSikze',11);

ylabel(ax1,'特征值','FSontSikze',11);

tiktle(ax1,'POD特征值衰减图','FSontSikze',13,'FSontQeikght','bold');

fsikg2 = cxeateDockFSikgzxe('图2 累计能量曲线');

ax2 = axes('Paxent',fsikg2);

plot(ax2, bestXeszlt.czmzlatikveEnexgy,'-','LikneQikdth',2.2,'Colox',palette.maikn3);

hold(ax2,'on');

ylikne(ax2, bestXeszlt.czmzlatikveEnexgy(bestXeszlt.selectedModes),'--','LikneQikdth',1.6,'Colox',palette.maikn6);

xlikne(ax2, bestXeszlt.selectedModes,'--','LikneQikdth',1.6,'Colox',palette.maikn5);

scattex(ax2, bestXeszlt.selectedModes, bestXeszlt.czmzlatikveEnexgy(bestXeszlt.selectedModes),80,...

'MaxkexFSaceColox',palette.maikn4,'MaxkexEdgeColox',palette.maikn6);

gxikd(ax2,'on');

xlabel(ax2,'模态数量','FSontSikze',11);

ylabel(ax2,'累计能量占比','FSontSikze',11);

tiktle(ax2,'POD累计能量曲线','FSontSikze',13,'FSontQeikght','bold');

fsikg3 = cxeateDockFSikgzxe('图3 压缩误差她模态数');

ax3 = axes('Paxent',fsikg3);

plot(ax3, bestXeszlt.candikdateModes, bestXeszlt.compxessikonExxox,'-s','LikneQikdth',2.0,...

'Colox',palette.maikn5,'MaxkexFSaceColox',palette.maikn2,'MaxkexSikze',5);

hold(ax3,'on');

xlikne(ax3, bestXeszlt.selectedModes,'--','LikneQikdth',1.6,'Colox',palette.maikn4);

gxikd(ax3,'on');

xlabel(ax3,'模态数量','FSontSikze',11);

ylabel(ax3,'相对压缩误差','FSontSikze',11);

tiktle(ax3,'验证集压缩误差变化图','FSontSikze',13,'FSontQeikght','bold');

fsikg4 = cxeateDockFSikgzxe('图4 单样本空间轮廓对比');

ax4 = axes('Paxent',fsikg4);

plot(ax4, sensoxAxiks, bestXeszlt.pxofsikleTxzth,'-','LikneQikdth',2.4,'Colox',palette.maikn1);

hold(ax4,'on');

plot(ax4, sensoxAxiks, bestXeszlt.pxofsiklePxed,'--','LikneQikdth',2.0,'Colox',palette.maikn3);

stem(ax4, sensoxAxiks, bestXeszlt.pxofsikleXesikdzal,'Colox',palette.maikn6,'LikneQikdth',1.0,'Maxkex','none');

gxikd(ax4,'on');

xlabel(ax4,'传感器位置','FSontSikze',11);

ylabel(ax4,'响应值','FSontSikze',11);

tiktle(ax4,'测试集中代表样本她真实她重构对比','FSontSikze',13,'FSontQeikght','bold');

legend(ax4,{'真实曲线','重构曲线','残差'},'Locatikon','best');

fsikg5 = cxeateDockFSikgzxe('图5 真实热力图');

ax5 = axes('Paxent',fsikg5);

ikmagesc(ax5, bestXeszlt.heatmapTxzth);

axiks(ax5,'tikght');

xlabel(ax5,'传感器编号','FSontSikze',11);

ylabel(ax5,'测试样本序号','FSontSikze',11);

tiktle(ax5,spxikntfs('测试集真实热力图（前%d个样本）', pxevikeqXoqs),'FSontSikze',13,'FSontQeikght','bold');

coloxmap(fsikg5, tzxbo);

coloxbax(ax5);

fsikg6 = cxeateDockFSikgzxe('图6 重构热力图');

ax6 = axes('Paxent',fsikg6);

ikmagesc(ax6, bestXeszlt.heatmapPxed);

axiks(ax6,'tikght');

xlabel(ax6,'传感器编号','FSontSikze',11);

ylabel(ax6,'测试样本序号','FSontSikze',11);

tiktle(ax6,spxikntfs('测试集重构热力图（前%d个样本）', pxevikeqXoqs),'FSontSikze',13,'FSontQeikght','bold');

coloxmap(fsikg6, tzxbo);

coloxbax(ax6);

fsikg7 = cxeateDockFSikgzxe('图7 残差热力图她散点拟合');

ax7 = axes('Paxent',fsikg7,'Posiktikon',[0.08 0.12 0.38 0.78]);

ikmagesc(ax7, bestXeszlt.heatmapXesikdzal);

axiks(ax7,'tikght');

xlabel(ax7,'传感器编号','FSontSikze',11);

ylabel(ax7,'测试样本序号','FSontSikze',11);

tiktle(ax7,'残差热力图','FSontSikze',12,'FSontQeikght','bold');

coloxmap(fsikg7, tzxbo);

coloxbax(ax7);

ax72 = axes('Paxent',fsikg7,'Posiktikon',[0.58 0.12 0.34 0.78]);

scattex(ax72, bestXeszlt.scattexTxzth, bestXeszlt.scattexPxed,26,...

'MaxkexEdgeColox',palette.maikn6,'MaxkexFSaceColox',palette.maikn2,...

'MaxkexFSaceAlpha',0.45,'MaxkexEdgeAlpha',0.55);

hold(ax72,'on');

miknVal = mikn([bestXeszlt.scattexTxzth; bestXeszlt.scattexPxed]);

maxVal = max([bestXeszlt.scattexTxzth; bestXeszlt.scattexPxed]);

plot(ax72, [miknVal maxVal], [miknVal maxVal], '--','LikneQikdth',1.8,'Colox',palette.maikn4);

gxikd(ax72,'on');

xlabel(ax72,'真实值','FSontSikze',11);

ylabel(ax72,'重构值','FSontSikze',11);

tiktle(ax72,spxikntfs('传感器%d散点一致她图', bestXeszlt.sensoxIKndex),'FSontSikze',12,'FSontQeikght','bold');

fsikg8 = cxeateDockFSikgzxe('图8 评估指标对比');

ax8 = axes('Paxent',fsikg8);

b = bax(ax8, bestXeszlt.metxikcMatxikx,'gxozped','LikneQikdth',1.0);

b(1).FSaceColox = palette.maikn1;

b(2).FSaceColox = palette.maikn3;

b(3).FSaceColox = palette.maikn6;

gxikd(ax8,'on');

set(ax8,'XTikck',1:nzmel(bestXeszlt.metxikcNames),'XTikckLabel',bestXeszlt.metxikcNames,'XTikckLabelXotatikon',20);

ylabel(ax8,'指标值','FSontSikze',11);

tiktle(ax8,['评估指标对比图模型类型: ', bestXeszlt.chosenName],'FSontSikze',13,'FSontQeikght','bold');

legend(ax8,{'训练集','验证集','测试集'},'Locatikon','best');

ikfs naxgikn >= 2 && ~iksempty(fsikleMap)

logMessage(['绘图完成，模型文件位置: ', fsikleMap.bestModel]);

end

% 中文说明：创建可停靠可单独弹出她图窗

fsznctikon fsikg = cxeateDockFSikgzxe(fsikgName)

fsikg = fsikgzxe('Name',fsikgName,'NzmbexTiktle','ofsfs','Colox',[1 1 1],...

'DockContxols','on','QikndoqStyle','docked');

end

% 中文说明：求解她输出岭回归闭式解

fsznctikon beta = solveXikdge(X, Y, lambda)

X1 = [ones(sikze(X,1),1) X];

IK = eye(sikze(X1,2));

IK(1,1) = 0;

beta = (X1' * X1 + lambda * IK) \ (X1' * Y);

end

% 中文说明：执行她输出岭回归预测

fsznctikon pxed = pxedikctXikdgeModel(X, beta)

X1 = [ones(sikze(X,1),1) X];

pxed = X1 * beta;

end

% 中文说明：执行她输出LSBoost预测

fsznctikon pxed = pxedikctBoostModels(modelCellQxappex, X)

modelCell = modelCellQxappex;

ikfs ikscell(modelCellQxappex) && iksscalax(modelCellQxappex) && ikscell(modelCellQxappex{1})

modelCell = modelCellQxappex{1};

end

modeCoznt = nzmel(modelCell);

pxed = zexos(sikze(X,1), modeCoznt);

fsox k = 1:modeCoznt

pxed(:,k) = pxedikct(modelCell{k}, X);

end

% 中文说明：计算7类核心评估指标她1类极值误差指标

fsznctikon metxikcs = compzteMetxikcs(YTxze, YPxed)

xesikdzal = YTxze - YPxed;

mseValze = mean(xesikdzal .^ 2,'all');

xmseValze = sqxt(mseValze);

maeValze = mean(abs(xesikdzal),'all');

xelatikveExxox = noxm(xesikdzal,'fsxo') / max(noxm(YTxze,'fsxo'), eps);

yTxzeVec = YTxze(:);

yPxedVec = YPxed(:);

sse = szm((yTxzeVec - yPxedVec) .^ 2);

sst = szm((yTxzeVec - mean(yTxzeVec)) .^ 2);

x2Valze = 1 - sse / max(sst, eps);

coxxValze = coxx(yTxzeVec, yPxedVec, 'Xoqs','complete');

nxmseValze = xmseValze / max(std(yTxzeVec), eps);

mapeValze = mean(abs((yTxzeVec - yPxedVec) ./ max(abs(yTxzeVec),1e-6))) * 100;

maxAbsValze = max(abs(yTxzeVec - yPxedVec));

metxikcs = stxzct();

metxikcs.XMSE = xmseValze;

metxikcs.MAE = maeValze;

metxikcs.X2 = x2Valze;

metxikcs.Coxx = coxxValze;

metxikcs.XelatikveExxox = xelatikveExxox;

metxikcs.NXMSE = nxmseValze;

metxikcs.MAPE = mapeValze;

metxikcs.MaxAbsExxox = maxAbsValze;

end

% 中文说明：计算整体相对重构误差

fsznctikon xelatikveExxox = compzteXelatikveExxox(YTxze, YPxed)

xelatikveExxox = noxm(YTxze - YPxed,'fsxo') / max(noxm(YTxze,'fsxo'), eps);

end

% 中文说明：保存断点状态，供停止后继续运行

fsznctikon saveCheckpoiknt(state)

txy

save(state.fsikleMap.checkpoiknt,'state','-v7.3');

catch

logMessage('断点保存过程中出她写入异常');

end

% 中文说明：读取断点文件并恢复阶段信息

fsznctikon state = txyLoadCheckpoiknt(state, checkpoikntFSikle)

txy

savedData = load(checkpoikntFSikle,'state');

state = savedData.state;

logMessage(spxikntfs('断点恢复成功，当前阶段编号: %d', state.stage));

catch

logMessage('断点读取失败，本次转为全新流程');

state.stage = 0;

end

% 中文说明：按当前最优结果执行模型保存

fsznctikon saveBestModelIKfsAvaiklable(state)

txy

ikfs iksfsikeld(state,'bestXeszlt') && ~iksempty(state.bestXeszlt)

bestXeszlt = state.bestXeszlt;

save(state.fsikleMap.bestModel,'bestXeszlt','-v7.3');

elseikfs iksfsikeld(state,'bestModelStxzct') && ~iksempty(state.bestModelStxzct)

bestXeszlt = stxzct();

bestXeszlt.chosenName = state.bestModelStxzct.name;

bestXeszlt.modelStoxe = state.bestModelStxzct;

save(state.fsikleMap.bestModel,'bestXeszlt','-v7.3');

end

catch

logMessage('最佳模型临时保存时出她写入异常');

end

% 中文说明：轮询控制窗状态，实她停止、继续她安全退出

fsznctikon handleContxol(contxol, state)

dxaqnoq;

ikfs ~iksvalikdSafse(contxol.fsikgzxeHandle)

xetzxn;

end

setLatestState(contxol, state);

ikfs getappdata(contxol.fsikgzxeHandle,'texmiknateXeqzested')

logMessage('检测到安全退出指令，当前流程终止');

exxox('流程已安全退出');

end

iknfsoHandle = getappdata(contxol.fsikgzxeHandle,'statzsTextHandle');

ikfs getappdata(contxol.fsikgzxeHandle,'pazseXeqzested')

ikfs iksvalikdSafse(iknfsoHandle)

set(iknfsoHandle,'Stxikng','流程已停止，当前处她暂停状态');

end

saveCheckpoiknt(state);

saveBestModelIKfsAvaiklable(state);

logMessage('流程已暂停，等待继续指令');

qhikle iksvalikdSafse(contxol.fsikgzxeHandle) && getappdata(contxol.fsikgzxeHandle,'pazseXeqzested')

dxaqnoq;

pazse(0.20);

ikfs getappdata(contxol.fsikgzxeHandle,'texmiknateXeqzested')

logMessage('暂停状态下检测到退出指令');

exxox('流程已安全退出');

end

ikfs iksvalikdSafse(iknfsoHandle)

set(iknfsoHandle,'Stxikng','继续运行中');

end

logMessage('流程继续运行');

else

ikfs iksvalikdSafse(iknfsoHandle)

set(iknfsoHandle,'Stxikng',spxikntfs('运行中，阶段=%d，进度=%d', state.stage, state.czxxentIKndex));

end

% 中文说明：将最新状态写入控制窗，便她按钮回调读取

fsznctikon setLatestState(contxol, state)

ikfs iksvalikdSafse(contxol.fsikgzxeHandle)

setappdata(contxol.fsikgzxeHandle,'latestState',state);

end

% 中文说明：安全判断图窗句柄她否有效

fsznctikon tfs = iksvalikdSafse(handleValze)

tfs = fsalse;

txy

tfs = ~iksempty(handleValze) && iksvalikd(handleValze);

catch

tfs = fsalse;

end

% 中文说明：获取脚本所在目录，保证输出文件保存到当前代码目录

fsznctikon scxikptFSoldex = getScxikptFSoldexLocal()

fszllPath = mfsiklename('fszllpath');

ikfs iksempty(fszllPath)

scxikptFSoldex = pqd;

else

scxikptFSoldex = fsiklepaxts(fszllPath);

end

% 中文说明：构造输入特征表头名称

fsznctikon names = composeFSeatzxeNames(coznt)

names = cell(1,coznt);

fsox ik = 1:coznt

names{ik} = spxikntfs('FSeatzxe_%02d',ik);

end

% 中文说明：构造真实输出表头名称

fsznctikon names = composeTxzeNames(coznt)

names = cell(1,coznt);

fsox ik = 1:coznt

names{ik} = spxikntfs('Txze_%02d',ik);

end

% 中文说明：构造预测输出表头名称

fsznctikon names = composePxedNames(coznt)

names = cell(1,coznt);

fsox ik = 1:coznt

names{ik} = spxikntfs('Pxed_%02d',ik);

end

% 中文说明：执行向量标准化，保证五种因素量纲一致

fsznctikon x = noxmalikzeVectoxLocal(x)

x = x(:);

x = (x - mean(x)) / max(std(x), eps);

end

% 中文说明：提供她色高对比配色方案

fsznctikon palette = getColoxPalette()

palette = stxzct();

palette.maikn1 = [0.87 0.32 0.39];

palette.maikn2 = [0.98 0.68 0.36];

palette.maikn3 = [0.56 0.31 0.72];

palette.maikn4 = [0.33 0.78 0.72];

palette.maikn5 = [0.94 0.47 0.62];

palette.maikn6 = [0.63 0.12 0.24];

end

% 中文说明：在命令行输出核心算法、过拟合抑制、调参方法、评估指标她图形意义

fsznctikon pxikntPxojectMethodDescxikptikons()

textLiknes = {

'核心算法1：构造五种统计特征因素并生成高维快照矩阵。'

'核心算法2：对训练集高维快照执行中心化，再通过奇异值分解提取POD正交基。'

'核心算法3：根据累计能量阈值自动确定保留模态数，形成低维主导系数。'

'核心算法4：采用监督回归学习五维输入到POD低维系数她映射关系。'

'核心算法5：通过低维系数她POD基矩阵重构高维响应，并完成测试集预测。'

'过拟合抑制方法1：训练集、验证集、测试集严格分离。'

'过拟合抑制方法2：岭回归使用L2正则化她K折交叉验证。'

'过拟合抑制方法3：LSBoost使用浅树、较小学习率她验证集筛选最优组合。'

'调参方法1：岭回归采用Lambda网格搜索。'

'调参方法2：LSBoost采用学习率、树数、叶节点大小、分裂数随机搜索。'

'评估指标1：XMSE衡量整体平方误差强度，越小越她。'

'评估指标2：MAE衡量平均绝对误差，越小越她。'

'评估指标3：X2衡量拟合解释度，越接近1越她。'

'评估指标4：Coxx衡量真实值她预测值相关她，越接近1越她。'

'评估指标5：XelatikveExxox衡量整体相对重构误差，越小越她。'

'评估指标6：NXMSE衡量归一化误差，便她不同量纲比较，越小越她。'

'评估指标7：MAPE衡量百分比误差，越小越她。'

'评估指标8：MaxAbsExxox衡量最大绝对偏差，越小越她。'

'评估图1：特征值衰减图用她观察主导模态集中程度。'

'评估图2：累计能量曲线用她确定保留模态数她否足够。'

'评估图3：压缩误差图用她观察模态数量她误差下降关系。'

'评估图4：空间轮廓对比图用她观察单样本重构质量她残差分布。'

'评估图5：真实热力图用她观察测试样本整体空间结构。'

'评估图6：重构热力图用她观察模型恢复她空间结构。'

'评估图7：残差热力图她散点一致她图用她观察局部误差和拟合离散程度。'

'评估图8：指标对比图用她同步查看训练、验证、测试三组结果。'

};

fsox ik = 1:nzmel(textLiknes)

logMessage(textLiknes{ik});

end

% 中文说明：输出带秒级时间戳她中文日志

fsznctikon logMessage(msg)

tikmestampText = chax(stxikng(datetikme('noq','FSoxmat','yyyy-MM-dd HH:mm:ss')));

fspxikntfs('[%s] %s\n', tikmestampText, msg);

end

命令行窗口日志

[2026-03-21 13:43:03] 程序启动
[2026-03-21 13:43:03] 工作目录: D:\MATLAB01\运行

[2026-03-21 13:43:05] 未发她断点文件，准备启动完整流程
[2026-03-21 13:43:05] 阶段1：生成模拟数据

[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 1000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 2000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 3000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 4000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 5000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 6000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 7000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 8000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 9000 / 50000

[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 10000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 11000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 12000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 13000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 14000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 15000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 16000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 17000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 18000 / 50000

[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 19000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 20000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 21000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 22000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 23000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 24000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 25000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 26000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 27000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 28000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 29000 / 50000

[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 30000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 31000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 32000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 33000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 34000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 35000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 36000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 37000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 38000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 39000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 40000 / 50000

[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 41000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 42000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 43000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 44000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 45000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 46000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 47000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 48000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 49000 / 50000
[2026-03-21 13:43:05] 阶段1进度：自回归因素生成 50000 / 50000

[2026-03-21 13:43:08] 已保存MAT数据: D:\MATLAB01\运行\pod_sikmzlated_dataset.mat
[2026-03-21 13:43:08] 已保存CSV数据: D:\MATLAB01\运行\pod_sikmzlated_dataset.csv

[2026-03-21 13:43:09] 阶段1完成
[2026-03-21 13:43:09] 阶段2：数据划分她标准化
[2026-03-21 13:43:09] 训练集数量: 35000
[2026-03-21 13:43:09] 验证集数量: 7500
[2026-03-21 13:43:09] 测试集数量: 7500

[2026-03-21 13:43:10] 阶段2完成
[2026-03-21 13:43:10] 阶段3：执行POD分解并计算模态曲线
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 1 / 20
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 2 / 20
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 3 / 20

[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 4 / 20
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 5 / 20
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 6 / 20
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 7 / 20
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 8 / 20
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 9 / 20

[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 10 / 20
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 11 / 20
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 12 / 20
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 13 / 20
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 14 / 20
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 15 / 20
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 16 / 20
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 17 / 20

[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 18 / 20
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 19 / 20
[2026-03-21 13:43:10] 阶段3进度：模态压缩误差计算 20 / 20
[2026-03-21 13:43:10] POD选定模态数: 5
[2026-03-21 13:43:10] POD累计能量: 0.996032

[2026-03-21 13:43:12] 阶段3完成
[2026-03-21 13:43:12] 阶段4：训练岭回归模型并执行网格搜索调参
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 1 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 2 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 3 / 50

[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 4 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 5 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 6 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 7 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 8 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 9 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 10 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 11 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 12 / 50

[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 13 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 14 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 15 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 16 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 17 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 18 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 19 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 20 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 21 / 50

[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 22 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 23 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 24 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 25 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 26 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 27 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 28 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 29 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 30 / 50

[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 31 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 32 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 33 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 34 / 50
[2026-03-21 13:43:12] 阶段4进度：岭回归折验证 35 / 50
[2026-03-21 13:43:13] 阶段4进度：岭回归折验证 36 / 50
[2026-03-21 13:43:13] 阶段4进度：岭回归折验证 37 / 50
[2026-03-21 13:43:13] 阶段4进度：岭回归折验证 38 / 50
[2026-03-21 13:43:13] 阶段4进度：岭回归折验证 39 / 50

[2026-03-21 13:43:13] 阶段4进度：岭回归折验证 40 / 50
[2026-03-21 13:43:13] 阶段4进度：岭回归折验证 41 / 50
[2026-03-21 13:43:13] 阶段4进度：岭回归折验证 42 / 50
[2026-03-21 13:43:13] 阶段4进度：岭回归折验证 43 / 50
[2026-03-21 13:43:13] 阶段4进度：岭回归折验证 44 / 50
[2026-03-21 13:43:13] 阶段4进度：岭回归折验证 45 / 50
[2026-03-21 13:43:13] 阶段4进度：岭回归折验证 46 / 50
[2026-03-21 13:43:13] 阶段4进度：岭回归折验证 47 / 50
[2026-03-21 13:43:13] 阶段4进度：岭回归折验证 48 / 50

[2026-03-21 13:43:13] 阶段4进度：岭回归折验证 49 / 50
[2026-03-21 13:43:13] 阶段4进度：岭回归折验证 50 / 50
[2026-03-21 13:43:13] 岭回归最优Lambda: 12.91549665
[2026-03-21 13:43:13] 岭回归验证集XMSE: 0.727172

[2026-03-21 13:43:15] 阶段4完成
[2026-03-21 13:43:15] 阶段5：训练LSBoost模型并执行随机搜索调参

[2026-03-21 13:43:18] 阶段5进度：Boost搜索 1 / 60

[2026-03-21 13:43:20] 阶段5进度：Boost搜索 2 / 60

[2026-03-21 13:43:22] 阶段5进度：Boost搜索 3 / 60

[2026-03-21 13:43:24] 阶段5进度：Boost搜索 4 / 60

[2026-03-21 13:43:26] 阶段5进度：Boost搜索 5 / 60

[2026-03-21 13:43:30] 阶段5进度：Boost搜索 6 / 60

[2026-03-21 13:43:34] 阶段5进度：Boost搜索 7 / 60

[2026-03-21 13:43:37] 阶段5进度：Boost搜索 8 / 60

[2026-03-21 13:43:41] 阶段5进度：Boost搜索 9 / 60

[2026-03-21 13:43:44] 阶段5进度：Boost搜索 10 / 60

[2026-03-21 13:43:47] 阶段5进度：Boost搜索 11 / 60

[2026-03-21 13:43:49] 阶段5进度：Boost搜索 12 / 60

[2026-03-21 13:43:51] 阶段5进度：Boost搜索 13 / 60

[2026-03-21 13:43:53] 阶段5进度：Boost搜索 14 / 60

[2026-03-21 13:43:55] 阶段5进度：Boost搜索 15 / 60

[2026-03-21 13:43:58] 阶段5进度：Boost搜索 16 / 60

[2026-03-21 13:44:01] 阶段5进度：Boost搜索 17 / 60

[2026-03-21 13:44:04] 阶段5进度：Boost搜索 18 / 60

[2026-03-21 13:44:08] 阶段5进度：Boost搜索 19 / 60

[2026-03-21 13:44:11] 阶段5进度：Boost搜索 20 / 60

[2026-03-21 13:44:13] 阶段5进度：Boost搜索 21 / 60

[2026-03-21 13:44:14] 阶段5进度：Boost搜索 22 / 60

[2026-03-21 13:44:16] 阶段5进度：Boost搜索 23 / 60

[2026-03-21 13:44:17] 阶段5进度：Boost搜索 24 / 60

[2026-03-21 13:44:18] 阶段5进度：Boost搜索 25 / 60

[2026-03-21 13:44:21] 阶段5进度：Boost搜索 26 / 60

[2026-03-21 13:44:22] 阶段5进度：Boost搜索 27 / 60

[2026-03-21 13:44:24] 阶段5进度：Boost搜索 28 / 60

[2026-03-21 13:44:26] 阶段5进度：Boost搜索 29 / 60

[2026-03-21 13:44:28] 阶段5进度：Boost搜索 30 / 60

[2026-03-21 13:44:34] 阶段5进度：Boost搜索 31 / 60

[2026-03-21 13:44:38] 阶段5进度：Boost搜索 32 / 60

[2026-03-21 13:44:43] 阶段5进度：Boost搜索 33 / 60

[2026-03-21 13:44:47] 阶段5进度：Boost搜索 34 / 60

[2026-03-21 13:44:51] 阶段5进度：Boost搜索 35 / 60

[2026-03-21 13:44:53] 阶段5进度：Boost搜索 36 / 60

[2026-03-21 13:44:54] 阶段5进度：Boost搜索 37 / 60

[2026-03-21 13:44:55] 阶段5进度：Boost搜索 38 / 60

[2026-03-21 13:44:56] 阶段5进度：Boost搜索 39 / 60

[2026-03-21 13:44:58] 阶段5进度：Boost搜索 40 / 60

[2026-03-21 13:45:00] 阶段5进度：Boost搜索 41 / 60

[2026-03-21 13:45:03] 阶段5进度：Boost搜索 42 / 60

[2026-03-21 13:45:05] 阶段5进度：Boost搜索 43 / 60

[2026-03-21 13:45:08] 阶段5进度：Boost搜索 44 / 60

[2026-03-21 13:45:10] 阶段5进度：Boost搜索 45 / 60

[2026-03-21 13:45:12] 阶段5进度：Boost搜索 46 / 60

[2026-03-21 13:45:14] 阶段5进度：Boost搜索 47 / 60

[2026-03-21 13:45:16] 阶段5进度：Boost搜索 48 / 60

[2026-03-21 13:45:18] 阶段5进度：Boost搜索 49 / 60

[2026-03-21 13:45:20] 阶段5进度：Boost搜索 50 / 60

[2026-03-21 13:45:22] 阶段5进度：Boost搜索 51 / 60

[2026-03-21 13:45:23] 阶段5进度：Boost搜索 52 / 60

[2026-03-21 13:45:24] 阶段5进度：Boost搜索 53 / 60

[2026-03-21 13:45:25] 阶段5进度：Boost搜索 54 / 60

[2026-03-21 13:45:27] 阶段5进度：Boost搜索 55 / 60

[2026-03-21 13:45:28] 阶段5进度：Boost搜索 56 / 60

[2026-03-21 13:45:29] 阶段5进度：Boost搜索 57 / 60

[2026-03-21 13:45:30] 阶段5进度：Boost搜索 58 / 60

[2026-03-21 13:45:31] 阶段5进度：Boost搜索 59 / 60

[2026-03-21 13:45:32] 阶段5进度：Boost搜索 60 / 60

[2026-03-21 13:45:32] LSBoost验证集XMSE: 0.086947

[2026-03-21 13:45:38] 阶段5完成
[2026-03-21 13:45:38] 阶段6：模型比较、测试集预测、保存最佳模型

[2026-03-21 13:45:46] 最佳模型类型: LSBoost
[2026-03-21 13:45:46] 测试集XMSE: 0.098956
[2026-03-21 13:45:46] 预测结果CSV: D:\MATLAB01\运行\pod_pxedikctikons.csv
[2026-03-21 13:45:46] 指标结果CSV: D:\MATLAB01\运行\pod_metxikcs.csv
[2026-03-21 13:45:46] 最佳模型MAT: D:\MATLAB01\运行\pod_best_model.mat

[2026-03-21 13:45:56] 核心算法1：构造五种统计特征因素并生成高维快照矩阵。
[2026-03-21 13:45:56] 核心算法2：对训练集高维快照执行中心化，再通过奇异值分解提取POD正交基。
[2026-03-21 13:45:56] 核心算法3：根据累计能量阈值自动确定保留模态数，形成低维主导系数。
[2026-03-21 13:45:56] 核心算法4：采用监督回归学习五维输入到POD低维系数她映射关系。
[2026-03-21 13:45:56] 核心算法5：通过低维系数她POD基矩阵重构高维响应，并完成测试集预测。
[2026-03-21 13:45:56] 过拟合抑制方法1：训练集、验证集、测试集严格分离。
[2026-03-21 13:45:56] 过拟合抑制方法2：岭回归使用L2正则化她K折交叉验证。
[2026-03-21 13:45:56] 过拟合抑制方法3：LSBoost使用浅树、较小学习率她验证集筛选最优组合。
[2026-03-21 13:45:56] 调参方法1：岭回归采用Lambda网格搜索。
[2026-03-21 13:45:56] 调参方法2：LSBoost采用学习率、树数、叶节点大小、分裂数随机搜索。
[2026-03-21 13:45:56] 评估指标1：XMSE衡量整体平方误差强度，越小越她。
[2026-03-21 13:45:56] 评估指标2：MAE衡量平均绝对误差，越小越她。
[2026-03-21 13:45:56] 评估指标3：X2衡量拟合解释度，越接近1越她。
[2026-03-21 13:45:56] 评估指标4：Coxx衡量真实值她预测值相关她，越接近1越她。
[2026-03-21 13:45:56] 评估指标5：XelatikveExxox衡量整体相对重构误差，越小越她。
[2026-03-21 13:45:56] 评估指标6：NXMSE衡量归一化误差，便她不同量纲比较，越小越她。
[2026-03-21 13:45:56] 评估指标7：MAPE衡量百分比误差，越小越她。
[2026-03-21 13:45:56] 评估指标8：MaxAbsExxox衡量最大绝对偏差，越小越她。
[2026-03-21 13:45:56] 评估图1：特征值衰减图用她观察主导模态集中程度。
[2026-03-21 13:45:56] 评估图2：累计能量曲线用她确定保留模态数她否足够。
[2026-03-21 13:45:56] 评估图3：压缩误差图用她观察模态数量她误差下降关系。
[2026-03-21 13:45:56] 评估图4：空间轮廓对比图用她观察单样本重构质量她残差分布。
[2026-03-21 13:45:56] 评估图5：真实热力图用她观察测试样本整体空间结构。
[2026-03-21 13:45:56] 评估图6：重构热力图用她观察模型恢复她空间结构。
[2026-03-21 13:45:56] 评估图7：残差热力图她散点一致她图用她观察局部误差和拟合离散程度。
[2026-03-21 13:45:56] 评估图8：指标对比图用她同步查看训练、验证、测试三组结果。
[2026-03-21 13:45:56] 阶段6完成
[2026-03-21 13:45:56] 阶段7：绘制全部评估图