[发明专利]一种基于随机森林回归的制丝过程参数赋权方法

说明书

技术领域

本发明涉及卷烟生产过程质量评价技术领域，特别是一种基于随机森林回归的制丝过程参数赋权方法。

背景技术

制丝过程是凸显卷烟感官风格、稳定产品质量、降低原料消耗的重要环节。卷烟产品多点加工布局下，地域气候、工艺布局、装备水平差异较大，如何建立一套科学的制丝过程工艺质量评价方法，确保产品质量稳定一致显得尤为重要。制丝加工设备参数繁多，且内部存在大量交互效应；此外制丝加工流程较长，上游工序的质量指标都直接或间接影响下游工序乃至最终产品的质量控制，所以关键参数权重的测度是建立科学评价方法的重要环节。

综合文献调研，近年来行业内在生产制造过程质量评价方法研究方面有一些文献报道，例如，发明专利申请CN101414183A公开了一种基于灰色关联分析的卷烟工序质量综合评价系统及其方法,其技术特点是首先将各工艺参数的过程能力指数组成数列来表征评价对象，然后采用灰色关联法对Cpk进行综合评价，以优劣排名作为综合评价结果。该方法在计算灰色关联度γ时，未对工艺参数的选择和权重进行详细说明，仅对计算得出的结果进行了一个简单的排序；发明专利申请CN102509243A公开了一种卷烟制造过程质量评价方法及其系统，其技术特点是首先对单个质量特性值进行过程质量评价，然后采用主成分分析法对多变量工序的过程性能指数进行计算各主成分的权重，最后通过算数加权平均得出该工序的过程性能指数，实现制造过程质量的评价。主成分赋权法是以多元回归分析为基础的，在主成分分析中，首先要保证所提取的前几个主成分的累计贡献率达到一个较高的水平，其次主成分的解释其含义一般多少带有点模糊性，不像原始变量的含义那么清楚、确切，这是变量降维过程中不得不付出的代价。

发明内容

本发明的目的在于克服现有技术的缺点，提供一种有效避免决策者主观意向和偏好、基于随机森林回归的制丝过程参数赋权方法。

本发明的目的通过以下技术方案来实现：一种基于随机森林回归的制丝过程参数赋权方法，包括以下步骤：

S1、对数据样本进行预处理，

S2、对工序参数进行相关性分析，

S3、对解释变量进行随机森林回归分析，

S4、对解释变量进行权重测度。

所述的步骤S1包括以下子步骤：

S11、剔除停机断料批次数据，停机断料批次的判定规则为生产过程中某一工序入口流量降至0kg/h且持续时间超过90s的批次；

S12、剔除生产过程中数值为常量的设定参数；

S13、根据稳态数据截取规则进行稳态数据截取；

S14、根据各工序物料的停留时间，将步骤S13中得到的稳态数据进行数据分组，并计算均值，形成稳态数据样本。

所述的步骤S2包括以下子步骤：

S21、以各工序出口含水率为研究变量，作为工序评价的目标；

S22、采用Pearson相关系数法，按下述公式对各工序参数进行相关性分析：

S23、采用SPSS统计软件内的t检验推断各参数之间的Pearson相关系数及其检验的P值；

S24、针对稳态数据样本中高度显著相关(相关系数绝对值大于0.9且检验P值小于0.05)的参数，结合设备控制原理剔除跟随变量，剩余参数为该工序统计建模的解释变量。

所述的步骤S3包括以下子步骤：

S31、首先由原始数据集D生成随机向量序列θ_i(i＝1,2,…k)，然后采用Bootstrap抽样方法从D中有放回地随机抽取k个子样本集，记为D_i(i＝1,2,…k)；其次，对每个子样本集D_i分别构建研究变量的决策树模型并假定子样本集{θ_k}独立同分布；最后，由多个决策树组合{₁(X),₂(X),…,_k(X)}构成随机森林回归模型。模型的预测结果是以上k个决策树回归结果的平均值。其数学定义如下所示：

其中：H(x)表示随机森林回归模型的预测值，_i(x)表示第i个决策树模型。

S32、采用OOB估计的均方误差平均递减值来评价解释变量对回归模型的重要性程度，均方误差(MSE)的数学定义如下：

其中：表示第i个观测值y_i的预测值。