[發明專利]一種基于時間差分的增量學習XGBOOST模型的自適應軟測量建模方法

有效

• 申請號: 201811324351.2
• 申請日: 2018-11-08
• 公開（公告）號: CN109240090B
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 葛志強;宋博
• 申請（專利權）人: 浙江大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 賈玉霞;邱啟旺

1.一種基于時間差分的增量學習XGBOOST模型的自適應軟測量建模方法，其特征在于，包括以下步驟：

S1：假設工業生產過程在歷史t時刻的輸入輸出采樣值分別為x(t)和y(t)，首先分別計算過程輸入變量和目標變量的時間差分量，即：Δx(t)＝x(t)-x(t-1)，Δy(t)＝y(t)-y(t-1)，得到歷史差分數據集ΔX(t)和ΔY(t),其中，ΔX(t)∈R^L×N，ΔY(t)∈R^L，L和N分別代表樣本數和輸入變量維度；

S2：調用XGBOOST建模算法在歷史差分數據集ΔX(t)和ΔY(t)上建立XGBOOST模型，調整模型參數得到均方差最小的XGBOOST模型結構，得到歷史輸入差分變量和歷史目標差分變量間的回歸模型ΔY(t)＝f(ΔX(t))；

S3：當新的數據樣本到來時，調用基于XGBOOST的增量學習算法更新S2中得到的回歸模型，得到自適應回歸模型ΔY(t)＝f_adapt(ΔX(t))，該學習算法在保留歷史數據信息的前提下，依據新樣本間的變量關系更新回歸模型的葉子結點權值，進而實現對回歸模型進行自適應更新；

S4：對待測樣本進行估計時，首先通過計算該樣本與上一時刻樣本的差值得到該樣本的差分量Δx(t_test)＝x(t_test)-x(t_test-1)，再利用S3得到的自適應回歸模型計算輸出的差分量：Δy(t_test)＝f_adapt(Δx(t_test))，則待測樣本估計值y(t_test)＝Δy(t_test)+y(t_test-1)，其中Δy(t_test)代表用自適應回歸模型預測輸出的差分量，y(t_test-1)代表待測樣本上一時刻的采樣值；

所述的S2中在確定均方差最小的XGBOOST模型結構時，子樹的深度設置為3，學習率設置為0.1，然后采用交叉驗證的方法得到最佳模型參數；

所述的S3中調用基于XGBOOST的增量學習算法時設置process_type的參數類型為update，refresh_leaf的參數類型為True。