[发明专利]一种基于xgboost模型的工业过程软测量方法

摘要

本发明公开了一种基于xgboost模型的工业过程软测量方法，该方法首先对历史数据进行独立重复采样，预处理后分别得到训练样本集和验证数据集，利用训练样本建立xgboost模型，然后通过交叉验证选择最佳模型参数，确定针对目标变量的软测量模型。相比其他非线性模型，xgboost模型可以大大提高软测量的准确性和快速性，能够更好地拟合复杂生产过程中的变量关系。

主权项

1.一种基于xgboost模型的工业过程软测量方法，其特征在于，包括以下步骤：(1)收集过程正常运行时的历史数据组成建模用的样本集：X＝[x1,x2...xn],其中X∈Rn×m，n为样本总数，m为过程变量数，R为实数集。将这些数据存入历史数据库。(2)采用独立重复采样方法对历史数据进行重排处理和预处理，分别得到训练数据矩阵测试数据矩阵p+q＝n。(3)调用xgboost数据格式转换函数DMatrix，将训练数据集和测试数据集分别转换成DMatrix格式。(4)设置交叉验证参数，迭代器类型为gbtree，损失函数类型为linear，调用xgboost模型中的训练和参数寻优函数xgboost.train，确定最大树深度和迭代次数，其余参数采用默认值。(5)确定函数寻优后的最佳模型参数，获得优化后的xgboost模型，然后将过程变量中易于测量的相关变量输入参数优化后的xgboost模型中，得到要预测的目标变量的值。