Journal
石盼;何锦涛;杨文斌
Volume 6, Issue 5, 2025, PP
摘要:超声波水表因其高精度和长寿命逐渐取代传统机械水表,成为智能计量的重要方向。然而,嵌入式超声波水表受限于微控制器的内存、算力与功耗,直接部署复杂的机器学习模型面临困难。本文提出了一种面向嵌入式系统的轻量级LightGBM框架设计方法。该方法基于时差法原理,结合实验采集的多工况流量数据,首先建立基准模型,并通过与线性回归和岭回归进行对比实验,验证了LightGBM的预测优势。在此基础上,本文设计了包含特征筛选、模型剪枝、参数量化与代码生成的轻量化流程,有效降低了模型存储规模与计算复杂度,实现了在资源受限硬件上的高效运行。实验结果表明,轻量LightGBM在精度与稳定性方面均优于线性模型,在测试集上的MAE仅为25.65L/h,约为线性模型的50%,同时RMSE降低至77.80L/h,具备良好的泛化性能和工程应用价值。本文的研究为超声波水表的嵌入式智能化计量提供了可行的技术路径。关键词:超声波水表;LightGBM;模型轻量化;嵌入式系统;边缘计算;机器学习