[发明专利]一种基于关联规则树的轧钢产品质量的预测方法及系统

说明书

技术领域

本发明涉及关联规则挖掘技术领域，特别是指一种基于关联规则树的轧钢产品质量的预测方法及系统。

背景技术

近年来，力学性能是轧钢产品重要的质量指标之一，轧钢产品的好坏在很大程度上就是指它的力学性能指标是否达到一定标准，因此轧钢产品力学性能的预报在实际应用中具有重要的意义。然而轧钢产品力学性能受到材料成分、组织结构、加工过程等因素的影响，是一个影响因素比较多的量，传统的数学公式很难精确描述，计算精度还有待提高。以人工神经网络为代表的人工智能方法由于很强的非线性逼近能力，已经在轧钢产品质量预报中得到了应用。但由于受技术和经济等诸多因素的限制，得到的数据样本通常是有限的，很容易导致神经网络学习算法过拟合现象。

随着计算机和数据库技术的发展，轧钢工业生产过程中数据收集和存储技术也迅猛发展，使快速存储大量生产数据成为可能，这些数据中蕴含着生产过程的运行规律等对操作决策和优化控制有用的信息，基于数据挖掘技术控制生产过程来指导企业制定管理产品质量的技术决策具有巨大的应用价值，可以为企业创造巨大的经济利益。关联规则挖掘是数据挖掘技术中一个重要的分支，通过关联分析发现数据库中项集之间有趣的关联，并根据大量频繁地同时出现的项来找出其中的蕴藏的规律以制定更好的质量决策方案。

目前，在实际应用中，由大量数据挖掘的关联规则比较复杂，基于关联规则进行质量预测比较繁琐，且当数据量很大时时间复杂度很高，关联规则逐条匹配导致学习效率低下。

发明内容

本发明要解决的技术问题是提供一种基于关联规则树的轧钢产品质量的预测方法及系统，以解决现有技术所存在的进行质量预测时，关联规则逐条匹 配导致学习效率低下的问题。

为解决上述技术问题，本发明实施例提供一种基于关联规则树的轧钢产品质量的预测方法，包括：

对轧钢产品数据进行归一化处理，并对处理后的数据进行离散化；

将所述离散化后的结果转化为布尔型数据矩阵，根据所述布尔型数据矩阵确定关联规则；

根据所述确定的关联规则构建具有分层结构的关联规则树；

将新的轧钢产品数据与所述关联规则树中的节点及分支路径进行匹配，确定所述新的轧钢产品数据的质量类别。

可选地，所述对轧钢产品数据进行归一化处理，并对处理后的数据进行离散化包括：

对轧钢产品数据进行归一化处理；

对归一化处理后的轧钢产品数据进行自适应聚类分析；

根据分析结果确定所述轧钢产品数据的离散化结果。

可选地，所述将所述离散化后的结果转化为布尔型数据矩阵，根据所述布尔型数据矩阵确定关联规则包括：

将所述离散化结果转化为布尔型数据矩阵；

对所述布尔型数据矩阵进行矩阵运算，获得各个项集的支持度计数；

若所述项集的支持度计数大于预先设置的最小支持度阈值的项集，则确定所述项集为频繁项集，并记录所述频繁项集的支持度计数；

将包含输出变量相关项的频繁项集确定为候选的规则项集，并确定所述规则项集中各个规则的置信度，若所述置信度大于预先设置的最小置信度阈值，则确定所述规则为关联规则。

可选地，所述根据所述布尔型数据矩阵确定关联规则之后包括：

确定所述关联规则中各个规则重要度，删除所述关联规则中规则重要度小于0的规则；

删除所述关联规则中的冗余规则。

可选地，所述根据所述确定的关联规则构建具有分层结构的关联规则树包括：

根据所述关联规则生成关联规则的项头表；

将关联规则中的项用所述项头表中对应项的序号表示；

逐条扫描所述关联规则中的规则，将所述规则存储在关联规则树中，当扫 描到所述关联规则中各条规则的最后一项时，在关联规则树的相应层新增一个叶节点，并在所述叶节点中记录这条规则的置信度。

本发明实施例所述的基于关联规则树的轧钢产品质量的预测方法，通过对轧钢产品数据进行归一化处理，并对处理后的数据进行离散化，将所述离散化后的结果转化为布尔型数据矩阵，根据所述布尔型数据矩阵确定关联规则，再根据所述确定的关联规则构建具有分层结构的关联规则树，这样，当需要对新的轧钢产品数据进行质量预测时，本发明实施例将其与所述关联规则树中的节点及分支路径进行匹配，能够快速预测新的轧钢产品数据的质量类别，从而提高了规则匹配和质量预测的效率。

另一方面，本发明实施例提供一种基于关联规则树的轧钢产品质量的预测系统，包括：