[发明专利]用于测量混凝土抗压强度的深度集成森林回归建模方法

权利要求书

1.一种用于测量混凝土抗压强度的基于深度集成森林回归的建模方法，其特征在于，包括以下步骤：

步骤1、采用维数约简模块通过采用适合工业过程的维数约简策略对原始高维特征进行预处理，获得约简特征向量；

步骤2、采用输入层森林模块以约简特征向量作为输入，训练多个子森林模型，通过KNN近邻法选取若干个子森林的预测值进行组合获得层回归向量，将其与约简特征向量进行组合获得增强层回归向量，进而获得该层的输出；

步骤3、采用中间层森林模块包含K-2层，其将输入层的增强层回归向量作输入，采用与输入层森林模块相同的方式获得第2层森林模型的输出，重复依次进行，直到完成第K-1层森林模型的输出；

步骤4、采用输出层森林模块以第K-1层的中间层森林模型的输出作为输出层(第K层)森林模型模块输入，训练多个子森林模型，通过将该层子森林模型的预测输出进行算术平均最终预测结果。

2.如权利要求1所述的用于测量混凝土抗压强度的基于深度集成森林回归的建模方法，其特征在于，步骤1中所述原始高维特征向量，其包括：混凝土含量、高炉矿渣粉含量、粉煤灰含量、水含量、减水剂含量、粗集料含量、细集料含量和混凝土置放天数。

3.如权利要求2所述的用于测量混凝土抗压强度的基于深度集成森林回归的建模方法，其特征在于，所述输入层森林模型模块的具体处理过程包括以下步骤：

步骤21，描述输入层子森林的构建过程

采用Bootstrap和RSM对包含混凝土含量、高炉矿渣粉含量、粉煤灰含量、水含量、减水剂含量、粗集料含量、细集料含量和混凝土置放天数八个特征和混凝土抗压强度检测值的训练集D进行随机采样，

设输入层森林模型中第tth个子森林模型的J个训练子集为以上述J个训练子集构建混凝土抗压强度软测量模型中第tth个子森林中的J个决策树，得到输入层中第tth个子森林模型F_1,t(·)，

重复上述步骤T次，即可得到输入层森林模型的集合

步骤22，描述输入层森林模型的增强层回归向量产生过程

针对输入层森林模型中第tth个子森林模型，每个决策树模型将对混凝土过程测量值样本产生一个混凝土抗压强度预测值然后得到J个混凝土抗压强度预测值组成的预测值向量

计算输入层森林模型中第tth个子森林模型的预测均值，

通过kNN选取预测均值附近的k_kNN个混凝土抗压强度预测值组成第tth个子森林的回归向量重复上述步骤T次，得到输入层森林模型中T个子森林模型的层回归向量

步骤23，将对混凝土抗压强度8个特征进行维数约简后的约简特征向量x_dimred与层回归向量进行串联组合，得到做为输入层森林模型输出的增强层回归向量即为混凝土抗压强度软测量模型的中间层森林模型(第2层)的输入。

4.如权利要求3所述的用于测量混凝土抗压强度的基于深度集成森林回归的建模方法，其特征在于，步骤4具体为：

设第Kth层森林模型的训练数据集为第K-1层森林模型输出的增强层回归向量与混凝土抗压强度检测值的组合，其包含混凝土含量、高炉矿渣粉含量、粉煤灰含量、水含量、减水剂含量、粗集料含量、细集料含量、混凝土置放天数八个特征和层回归向量

采用Bootstrap和RSM对包含混凝土含量、高炉矿渣粉含量、粉煤灰含量、水含量、减水剂含量、粗集料含量、细集料含量、混凝土置放天数八个特征、层回归向量和混凝土抗压强度检测值的训练数据集D_K进行样本和特征的随机采样，

以第Kth层森林模型中第tth个子森林模型的J个训练子集构建第Kth层中第tth个子森林模型的J个决策树，获得第Kth层的第tth个子森林模型F_K,t(·)，重复上述步骤T次，得到第Kth层森林模块的模型

第Kth层中第tth个子森林模型，每个决策树模型将产生一个混凝土抗压强度预测值然后得到J个混凝土抗压强度预测值组成的预测值向量计算第Kth层中第tth个子森林模型的预测均值，

重复上述步骤T次，得到T个子森林模型的预测输出集合

最后，将T个子森林模型的混凝土抗压强度预测值进行算术平均，

其中，表示DEFR模型最终的混凝土抗压强度预测输出。