一种基于极端森林算法的干损疏解机用水量预测模型制造技术

本发明专利技术公开了一种基于极端森林算法的干损疏解机用水量预测模型，涉及造纸技术领域，包括以下步骤：S1：数据采集：采集干损疏解机以及其前后设备若干工况特征；该基于极端森林算法的干损疏解机用水量预测模型，使得本模型能够考虑干损疏解机以及前后设备的参数对干损疏解机出口流量的影响，全面进行特征选择，避免因仅考虑干损疏解机参数导致特征选择的片面性，同时利用PCA算法和滑动平均滤波算法联合对模型输入参数进行降维降噪，减小无效特征的数量，并抑制周期干扰导致的采样偏差，减少模型训练时间，并提高了模型的准确率，通过使用极端随机森林回归算法，进一步降低过拟合问题，提高模型预测的准确性。提高模型预测的准确性。提高模型预测的准确性。

【技术实现步骤摘要】
一种基于极端森林算法的干损疏解机用水量预测模型


[0001]本专利技术涉及造纸
，具体为一种基于极端森林算法的干损疏解机用水量预测模型。

技术介绍

[0002]纸是人类社会生活中的必需品，造纸工业已是许多国家的重要企业，纸的产量和质量是衡量企业发展水平的一种标准，制浆作为造纸工艺流程的第一步就显得尤为重要。有资料证明，当碎解率达到75％时，不宜继续采用碎浆机碎解，否则将严重损伤纤维，降低纤维强度。此时应采用干损疏解机等疏解设备来完成后期的碎解任务，这对提高碎解效果，保证废纸纤维的强度，降低动力消耗都有好处。因此，可以说疏解是碎解的继续，其目的是将纤维全部离解而不损伤纤维，降低纤维强度。而在疏解机碎解过程中，需要大量的水源。我国的水资源又相对匮乏，这两者之间形成了不小的矛盾，对于制浆行业的发展有着很大的影响，因此造纸行业用水问题也受到了人们的普遍关注。因此为了降低用水消耗、提高资源利用率并减少浪费，本专利技术提出一种基于极端森林算法的干损疏解机用水量预测模型。

技术实现思路

[0003]针对现有技术的不足，本专利技术提供了一种基于极端森林算法的干损疏解机用水量预测模型，解决了上述
技术介绍
中提出的问题。
[0004]为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于极端森林算法的干损疏解机用水量预测模型，包括以下步骤：
[0005]S1：数据采集：采集干损疏解机以及其前后设备若干工况特征；
[0006]S2：数据清洗：纠正原始数据集的缺失值，对原始数据集所有特征列查询是否具有缺失值，对缺失比例低的列直接剔除缺失值所在的行，对缺失值比例相当的列利用均值填充，对缺失值极高的列直接剔除该列；
[0007]S3：数据预处理：对数据进行预处理，提高模型输入参数的质量；
[0008]S4：数据分割：划分训练集和测试集；
[0009]S5：干损疏解机出口流量模型建立：选择可降低过拟合的极端随机森林算法建立出口流量预测模型，将处理后的特征变量X输入预测模型，并不断迭代训练模型；
[0010]S6：模型优化：对模型参数调优；
[0011]S7：建立干损疏解机用水量模型，将用水量预测的实际问题转化为数学问题。
[0012]可选的，所述S3数据预处理：对数据进行预处理，提高模型输入参数的质量的步骤包括：利用箱行图识别异常值，计算数据中最大估计值和最小估计值。
[0013]可选的，所述S3数据预处理：对数据进行预处理，提高模型输入参数的质量的步骤还包括：特征选择，利用热图所展现的特征变量与目标变量之间的相关性，相关性从高到低排序，选出与目标变量Y最相关的特征参数N个作为模型输入参数X。
[0014]可选的，所述S3数据预处理：对数据进行预处理，提高模型输入参数的质量的步骤
还包括：所述数据降噪，数据降噪算法至少包括PCA主成分分析、奇异值分解、小波变换、平均滑动滤波算法以及联合算法对数据进行降维降噪。
[0015]可选的，所述S4数据分割：划分训练集和测试集的步骤中根据时间将原始数据的75％划分作为训练集，将其余数据25％划分作为测试集。
[0016]可选的，所述S6模型优化的步骤中对出口流量预测模型参数进行调优，提高评估指标并防止训练数据的过拟合。
[0017]可选的，所述S1数据采集：采集干损疏解机以及其前后设备若干工况特征的步骤中采集的工况特征至少包括时间，设备的启动参数，设备运行电流，出口压力，出口浓度，液位，出口流量，并构成原始数据集。
[0018]本专利技术提供了一种基于极端森林算法的干损疏解机用水量预测模型，具备以下有益效果：
[0019]该基于极端森林算法的干损疏解机用水量预测模型，使得本模型能够考虑干损疏解机以及前后设备的参数对干损疏解机出口流量的影响，全面进行特征选择，避免因仅考虑干损疏解机参数导致特征选择的片面性，同时利用PCA算法和滑动平均滤波算法联合对模型输入参数进行降维降噪，减小无效特征的数量，并抑制周期干扰导致的采样偏差，减少模型训练时间，并提高了模型的准确率，通过使用极端随机森林回归算法，进一步降低过拟合问题，提高模型预测的准确性，可以帮助企业针对用水量能源需求及用能情况等进行统计、预测，为企业加强用水管理，提高水资源利用效率、挖掘水资源节能潜力、节能评估提供基础数据和支持。
附图说明
[0020]图1为本专利技术步骤结构示意图；
[0021]图2为本专利技术基于极端随机森林算法的干损疏解机用水量模型预测流程图；
[0022]图3为本专利技术基于极端随机森林算法的干损疏解机用水量模型预测结果图。
具体实施方式
[0023]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0024]请参阅图1至图3，本专利技术提供一种技术方案：一种基于极端森林算法的干损疏解机用水量预测模型，包括以下步骤：
[0025]S1：数据采集：采集干损疏解机以及其前后设备若干工况特征；
[0026]S2：数据清洗：纠正原始数据集的缺失值，对原始数据集所有特征列查询是否具有缺失值，对缺失比例低的列直接剔除缺失值所在的行，对缺失值比例相当的列利用均值填充，对缺失值极高的列直接剔除该列；
[0027]S3：数据预处理：对数据进行预处理，提高模型输入参数的质量；
[0028]S4：数据分割：划分训练集和测试集；
[0029]S5：干损疏解机出口流量模型建立：选择可降低过拟合的极端随机森林算法建立出口流量预测模型，将处理后的特征变量X输入预测模型，并不断迭代训练模型；
[0030]S6：模型优化：对模型参数调优；
[0031]S7：建立干损疏解机用水量模型，将用水量预测的实际问题转化为数学问题。
[0032]进一步，S3数据预处理：对数据进行预处理，提高模型输入参数的质量的步骤包括：利用箱行图识别异常值，计算数据中最大估计值和最小估计值，从而可以剔出这一范围之外的数据，排除异常值的影响，提高模型的准确性。
[0033]进一步，S3数据预处理：对数据进行预处理，提高模型输入参数的质量的步骤还包括：特征选择，利用热图所展现的特征变量与目标变量之间的相关性，相关性从高到低排序，选出与目标变量Y最相关的特征参数N个作为模型输入参数X，从而能够降低模型的复杂度。
[0034]进一步，S3数据预处理：对数据进行预处理，提高模型输入参数的质量的步骤还包括：数据降噪，数据降噪算法至少包括PCA主成分分析、奇异值分解、小波变换、平均滑动滤波算法以及联合算法对数据进行降维降噪，从而能够减小无效特征的数量，并抑制周期干扰导致的采样偏差，提高数据平滑度；对数据进行标准化处理，消除特征之间量纲关系，并提升模型的收敛速度。
[0035]进一步，S4数据分割：划分训练集和测试集的步骤中根据时间将原始数据的75％划分作为训练集，将其余数据25％本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于极端森林算法的干损疏解机用水量预测模型，其特征在于：包括以下步骤：S1：数据采集：采集干损疏解机以及其前后设备若干工况特征；S2：数据清洗：纠正原始数据集的缺失值，对原始数据集所有特征列查询是否具有缺失值，对缺失比例低的列直接剔除缺失值所在的行，对缺失值比例相当的列利用均值填充，对缺失值极高的列直接剔除该列；S3：数据预处理：对数据进行预处理，提高模型输入参数的质量；S4：数据分割：划分训练集和测试集；S5：干损疏解机出口流量模型建立：选择可降低过拟合的极端随机森林算法建立出口流量预测模型，将处理后的特征变量X输入预测模型，并不断迭代训练模型；S6：模型优化：对模型参数调优；S7：建立干损疏解机用水量模型，将用水量预测的实际问题转化为数学问题。2.根据权利要求1所述的一种基于极端森林算法的干损疏解机用水量预测模型，其特征在于：所述S3数据预处理：对数据进行预处理，提高模型输入参数的质量的步骤包括：利用箱行图识别异常值，计算数据中最大估计值和最小估计值。3.根据权利要求1所述的一种基于极端森林算法的干损疏解机用水量预测模型，其特征在于：所述S3数据预处理：对数据进行预处理，提高模型输入参数的质量的步骤还包括：特征选择，利用热...

【专利技术属性】
技术研发人员：张文，崔浩亮，李翰霖，史成洁，
申请(专利权)人：浙江砖助智连科技有限责任公司，
类型：发明
国别省市：