[发明专利]基于原料预测烧成曲线的方法、设备及计算机存储介质

权利要求书

1.基于原料预测烧成曲线的方法，其特征在于：包括如下步骤：

S1：采集数据源，所述数据源包括原料数据、窑炉设备数据以及分级数据；

S2：按照产品编号、产线号、前后工序时间戳及工序间时间差进行逻辑关联，根据逻辑关联对数据源进行数据拓扑，得到数据集；

S3：对所述数据集进行数据清洗，得到清洗好的基础数据集；

S4：将所述基础数据集划分出训练集和测试集；

S5：基于两步走多项式拟合和Xgboost模型中的多输出回归，利用训练集训练并建立出窑炉预测模型，利用测试集测试窑炉预测模型；所述窑炉预测模型的功能为输入原料数据，输出预测的窑炉设备数据，并根据预测的窑炉设备数据预测并输出窑炉烧成曲线；其中，两步走多项式拟合包括：第一步预测出烧成窑炉的每段的烧成曲线，第二步再拟合成整条完整的烧成曲线；

S6：根据训练集与测试集的得分验证窑炉预测模型；

S7：构建多输出回归模型特征重要性的函数参数，以平均特征重要性进行排序，输出对窑炉烧成温度影响最大的前K项变量参数；

S8：将实时的原料数据输入验证后的所述窑炉预测模型，输出预测的窑炉设备数据和窑炉烧成曲线。

2.根据权利要求1所述的基于原料预测烧成曲线的方法，其特征在于：训练集与测试集的得分包括模型得分R2_score，所述R2_score通过以下公式计算：

其中，R²为模型得分R²_score；y为实际值；为实际值的平均值；为模型预测值；(i)为第i个样本。

3.根据权利要求1所述的基于原料预测烧成曲线的方法，其特征在于：训练集与测试集的得分还包括模型得分MAPE，所述MAPE通过以下公式计算：

MAPE＝sum(|y*-y|×100/y)/n (2)；

其中，MAPE为模型得分模型得分MAPE；n为样本量；y为实际值；y*为预测值。

4.根据权利要求1所述的基于原料预测烧成曲线的方法，其特征在于：对窑炉烧成温度影响最大的前K项变量参数进行特征排序分数计算，以验证窑炉预测模型的预测效果，其中，特征排序分数计算公式为：Σ((加总权重＝子类权重*大类权重)*重要度排序倒序)。

5.根据权利要求1所述的基于原料预测烧成曲线的方法，其特征在于：所述步骤S4中，将80％的基础数据集划分为训练集，剩余20％的基础数据集划分为测试集。

6.根据权利要求1所述的基于原料预测烧成曲线的方法，其特征在于：所述步骤S3中，所述数据清洗包括格式内容清洗、逻辑错误清洗、异常值清洗以及缺失值清洗。

7.一种基于原料预测烧成曲线的设备，其特征在于，包括存储器，处理器及存储在所述存储器上并能够在所述处理器上运行的基于原料预测烧成曲线的方法程序，所述处理器执行所述基于原料预测烧成曲线的方法程序时实现权利要求1-6任一所述的基于原料预测烧成曲线的方法的步骤。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于原料预测烧成曲线的方法程序，所述基于原料预测烧成曲线的方法程序被处理器执行时实现权利要求1-6任一所述的基于原料预测烧成曲线的方法的步骤。