[发明专利]一种基于梯度提升树的烟草回潮机出料含水率预测方法

权利要求书

1.一种基于梯度提升树的烟草回潮机出料含水率预测方法，其特征在于：所述的基于梯度提升树的烟草回潮机出料含水率预测方法，采用以下步骤实现：

步骤1.获取生产流程工艺和环境参数的数据；

步骤2.对数据实施预处理，删除异常值并对不同参数实施时间点对齐；

步骤3.将数据分割为训练集和测试集；

步骤4.训练集被用来训练不同的出料含水率预测模型，分别利用回归、支持向量机、神经网络和梯度提升树四种算法来生成预测模型；

步骤5.在测试集上验证和对比模型的预测结果和真实值的差异，根据业务要求和统计指标的对比，选择出最佳的预测算法。

2.一种基于梯度提升树的烟草回潮机出料含水率预测方法，其特征在于:所述的一种基于梯度提升树的烟草回潮机出料含水率预测方法包括数据采集单元、数据预处理单元、出料含水率模型训练单元、出料含水率模型评估单元、出料含水率模型性能报告单元。

3.根据权利要求1所述的一种基于梯度提升树的烟草回潮机出料含水率预测方法，其特征在于：所述的步骤1为数据获取环节，获取每个产线上的回潮机的重要参数，所采集的数据涵盖生产工艺和环境参数，包括回潮机的烟叶入口含水量、丝材流量、片材流量、热风温度、加水流量、出口湿度、出口温度、时间点、机器周边的环境温度和环境湿度，以及生产的产品牌号。

4.根据权利要求1或3所述的一种基于梯度提升树的烟草回潮机出料含水率预测方法，其特征在于：所述的步骤2为数据预处理环节，对于各个工艺参数的缺失的数据点，首先使用插值的方式进行补全；然后基于回潮机的生产要求和行业经验，筛选并剔除明显偏离了正常运行范围的数据点；接下来对数据实施重采样，获取拥有固定时间间隔的数据。

5.根据权利要求4所述的一种基于梯度提升树的烟草回潮机出料含水率预测方法，其特征在于：所述的步骤4为模型训练调优环节，将满足数据条件的子数据输入到模型训练环节，作为自变量的特征包括回潮过程的所有关键参数：烟叶入口含水量、丝材流量、片材流量、热风温度、加水流量、机器周边的环境温度和环境湿度，作为预测目标的因变量为回潮工艺机器出口的出料含水率。

6.根据权利要求5所述的一种基于梯度提升树的烟草回潮机出料含水率预测方法，其特征在于：所述的步骤4采用的算法包括包括梯度提升树、支持向量机、神经网络和线性回归等多种回归和机器学习算法；在模型的选择调优中，设定由工艺决定的预测误差阈值，基于算法开发逻辑进行迭代计算，达到工艺要求和统计学误差指标后收敛；在算法择优过程中，对多个候选预测模型同时执行了计算，计算各模型的均方根误差(RMSE)、平均绝对百分比误差(MAPE)、拟合优度(R-square)和百分比偏差，比较后选择预测效果最好的模型，即取百分比偏差和误差都比较小但是拟合优度较大的作为最优模型选择，经对比确定了梯度提升树算法作为生成预测模型的最佳算法；所得到的模型保存在存储单元中供不断地调用。