基于LightGBM回归算法的造纸行业气罩设备指标预测方法技术

本发明专利技术涉及造纸设备数据分析技术领域，具体涉及基于LightGBM回归算法的造纸行业气罩设备指标预测方法，包括：S1、确定气罩设备的预测衡量指标，在生产环境中提取气罩设备相关指标真实数据；S2、对真实数据进行清洗；S3、利用机器学习算法建立回归模型，并通过训练模型尽可能拟合数据分布，同时要根据算法设置相应的模型参数方式对训练数据进行拟合；S4、根据结果对模型不断调优，最终得到满足生产条件预测指标的气罩设备指标预测模型；S5、预测未来数据，本发明专利技术中模型通过计算相关系数可以自动找到与气罩相关指标线性相关性最大的几个其他指标，节省了人工分析的过程。节省了人工分析的过程。节省了人工分析的过程。

【技术实现步骤摘要】
基于LightGBM回归算法的造纸行业气罩设备指标预测方法


[0001]本专利技术涉及造纸设备数据分析
，具体涉及基于LightGBM回归算法的造纸行业气罩设备指标预测方法。

技术介绍

[0002]近年来，在人们的生产生活中，对纸的需求量越来越大，这就导致了造纸企业的制浆设备要求越来越高。优秀纸张的生产需要造纸企业对造纸过程中设备的各种指标进行实时的监测，及时把握生产过程中出现的各种状况。
[0003]目前造纸设备上遍布有大量的传感器，这些传感器可以检测造纸过程中的各种指标，从而帮助工人或者终端对设备做相应的调整，应对纸张生产过程中的各种问题。然而，由于造纸设备所处的环境通常是湿度较大或者温度很高的生产车间，大量传感器的存在容易导致其损坏率较高，造成维修困难的问题。另外，由于生产设备时默认出厂的传感器相对固定，如果后期企业想增加对某项指标的监测，就需要对设备进行改造，其进行传感器的增加相对困难。
[0004]其中，在造纸流程中，为了脱除纸页水分，除了要有设计合理、高效的烘干及蒸汽冷凝水系统外，还要有良好的通风系统与之相配套。因此，如何保证纸幅在干燥部和湿部尽可能均匀(纵横向)，同时避免产生褶皱和翘边等纸病，是我们所要关注的内容，要做到这点，就要尽可能地保证纸机干部、湿部气罩内空气系统平衡。准确控制气罩内空气系统平衡是保证均匀的水分分布和能源管理的重要措施。密闭气罩的另一个功能是阻止气罩内的热湿空气蔓延到气罩外部区域，同时气罩也能减少噪音﹑热辐射造成的有害影响及温度差而导致的空气流，所以要对干部气罩的各项数据进行有效预测，其中就包括湿部和干部气罩回风温度、进风压力、干部气罩燃气流量等指标。
[0005]所以，如果能通过一些易于检测的指标进行监测，从而对另一些检测困难的指标进行实时预测，就可以在节约成本的同时提高生产效率，减少设备维护造成的人力财力的浪费，提高企业的生产效益。
[0006]综上所述，造纸过程中干部、湿部气罩部分传感器长期暴露在过于干燥和过于潮湿的环境中，存在损坏率高、监测较为困难的问题。其中湿部气罩回风温度和进风压力、干部燃气流量长期存在上述问题，高效准确地预测这些指标，可以有效降低维护成本和生产成本，因此本专利技术提出基于LightGBM回归算法的造纸行业气罩设备指标预测方法。

技术实现思路

[0007]针对现有技术所存在的上述缺点，本专利技术的第一目的在于提供基于LightGBM回归算法的造纸行业气罩设备指标预测方法，解决上述
技术介绍
中的问题。
[0008]为实现上述目的，本专利技术提供了如下技术方案：
[0009]基于LightGBM回归算法的造纸行业气罩设备指标预测方法，包括以下步骤：
[0010]S1、确定气罩设备的预测衡量指标，在生产环境中提取气罩设备相关指标真实数
据；
[0011]S2、对真实数据进行清洗；
[0012]S3、利用机器学习算法建立回归模型，并通过训练模型尽可能拟合数据分布，同时要根据算法设置相应的模型参数方式对训练数据进行拟合；
[0013]S4、根据结果对模型不断调优，最终得到满足生产条件预测指标的气罩设备指标预测模型；
[0014]S5、预测未来数据。
[0015]优选的，所述步骤S1中具体为：首先，确定气罩设备的预测目标，具体的，将风压力作为预测目标，对湿部气罩的进风压力进行监测，从设备传感器收集进风压力的数据，作为模型的真实值，再利用设备传感器从气罩排湿风机电流、气罩循环风机变频给定中收集其他指标，作为模型的特征，两者组成数据集并以此划分训练集和测试集，通过输入其他指标并输出预测目标建立模型来预测进风压力。
[0016]优选的，所述步骤S2具体为：
[0017]S2.1、分析气罩设备数据的整体变化趋势规律，寻找数据的上限和下限值，剔除影响结果的离群点；
[0018]S2.2、删除方差为0的指标；
[0019]S2.3、计算其他指标与湿部气罩进风压力的Pearson相关系数，选出相关系数绝对值较高的指标。因为过多的其他指标会使模型拟合数据偏差过大，通过公式计算相关系数，相关系数度量了预测目标和其他指标之间的线性相关性，保留相关系数较高的指标；
[0020]S2.4、对剩余的其他指标进行归一化，具体的，采用把数值特征映射到
‑
1和1之间的策略，剔除特征原始量纲的影响。
[0021]采用上述技术方案：方差为0的指标对于模型没有帮助，并且在计算相关系数时会导致分母为0，所以删除这些指标有利于提高数据的准确性，同时相关系数度量了预测目标和其他指标之间的线性相关性，较高的相关性会使回归模型有较高的准确度。
[0022]优选的，所述步骤S3选择LightGBM框架建立回归模型，并通过训练模型拟合数据分布。
[0023]采用上述技术方案：采用LightGBM框架进行预测，可以在确保高准确性的前提下可以减少运算时间，利于实时运算部署至在线服务实时预测未来的指标，达到及时发现设备问题的效果，避免了设备异常发现不及时而造成的一系列损失。
[0024]优选的，所述步骤S4具体为：模型超参数优化方式通过交叉验证的方式，依次从训练集中划分出一份验证集用于交叉验证调优评估，通过网格搜索，即依次训练不同参数组合的模型，选择R2最大的模型作为最终模型。
[0025]优选的，所述步骤S5具体为：利用步骤S4得到的模型参数，以及步骤S1获取的当前时刻相关设备的特征数据，在线推理气罩设备的目标数据。
[0026]有益效果
[0027]采用本专利技术提供的技术方案，与已知的公有技术相比，具有如下有益效果：
[0028]本专利技术中模型通过计算相关系数可以自动找到与气罩相关指标线性相关性最大
的几个其他指标，节省了人工分析的过程，通过计算其他指标与气罩设备指标的相关系数，获取相关度较高的设备特征，增强模型的拟合能力，加快计算速度；
[0029]本专利技术采用LightGBM框架进行预测，可以在确保高准确性的前提下可以减少运算时间，利于实时运算部署至在线服务实时预测未来的指标，达到及时发现设备问题的效果，避免了设备异常发现不及时而造成的一系列损失。
附图说明
[0030]图1为本专利技术的方法流程图；
[0031]图2为本专利技术的设备数据采集图；
[0032]图3为本专利技术的预测趋势图。
具体实施方式
[0033]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将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，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0034]下面结合实施例对本专利技术作进一步的描述。
[0035]实施例
[0036]基于LightGBM回归算法的造纸行业气罩设备指标预测方法，包括以下步骤：...

【技术保护点】

【技术特征摘要】
1.基于LightGBM回归算法的造纸行业气罩设备指标预测方法，其特征在于，包括以下步骤：S1、确定气罩设备的预测衡量指标，在生产环境中提取气罩设备相关指标真实数据；S2、对真实数据进行清洗；S3、利用机器学习算法建立回归模型，并通过训练模型尽可能拟合数据分布，同时要根据算法设置相应的模型参数方式对训练数据进行拟合；S4、根据结果对模型不断调优，最终得到满足生产条件预测指标的气罩设备指标预测模型；S5、预测未来数据。2.根据权利要求1所述的基于LightGBM回归算法的造纸行业气罩设备指标预测方法，其特征在于：所述步骤S1中具体为：首先，确定气罩设备的预测目标，具体的，将风压力作为预测目标，对湿部气罩的进风压力进行监测，从设备传感器收集进风压力的数据，作为模型的真实值，再利用设备传感器从气罩排湿风机电流、气罩循环风机变频给定中收集其他指标，作为模型的特征，两者组成数据集并以此划分训练集和测试集，通过输入其他指标并输出预测目标建立模型来预测进风压力。3.根据权利要求1所述的基于LightGBM回归算法的造纸行业气罩设备指标预测方法，其特征在于：所述步骤S2具体为：S2.1、分析气罩设备数据的整体变化趋势规律，寻找数据的上限和下限值，剔除影响结果的离群点；S2.2、删...

【专利技术属性】
技术研发人员：张文，崔浩亮，王旭，普文寅，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：