[發明專利]邊界森林模型的構建方法、面向復雜工業過程的多工況軟計算模型更新方法及其應用

有效

• 申請號: 201911036661.9
• 申請日: 2019-10-29
• 公開（公告）號: CN110795846B
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 王曉軍
• 申請（專利權）人: 東北財經大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F111/10
• 代理公司: 大連智高專利事務所(特殊普通合伙) 21235
• 代理人: 劉斌

1.一種邊界森林模型的構建方法，其特征在于：包括如下步驟，

第一步:已知某一工況下的當前訓練集為樣本輸出N表示樣本個數,M表示輸入特征維數，設置不同的葉節點最少樣本數{θ₁,θ₂,...,θ_K}，θ_i≠θ_j，i,j＝1,2,...,K，i≠j；

使用不同的葉節點最少樣本{θ₁,θ₂,...,θ_K}建立K棵具有不同葉節點邊界的樹集成模型{Tree1,Tree2,...,TreeK}，并使用f_Treek，k＝1,2,...,K表示樹集成模型的非線性函數；

第二步:使用樹集成模型{Tree1,Tree2,...,TreeK}預測所述當前訓練集Θ中所有樣本的輸出值，其方法具體包括：

對于第k棵樹集成模型Treek，當其葉節點樣本個數小于其葉節點最少樣本數θ_k，則停止遞歸分裂內部節點，Treek產生M_k個葉節點；

以第k棵樹的每一個葉節點為訓練子集建立一個非線性回歸模型,Treek產生的M_k個葉節點共建立M_k個子模型第k棵樹集成模型Treek對樣本X的預測值為預測時，待預測樣本Xq遍歷第k棵樹集成模型Treek，并落入某一葉節點，由該葉節點上的子模型對待預測樣本Xq進行預測；

其中k＝1,2,...,K，得到K棵樹的集成模型，并得到其相應的K棵樹的集成模型對樣本X的預測值，得到預測的當前訓練集Θ中所有樣本的輸出值；

并由預測的輸出值構成預測矩陣其中表示第k棵樹集成模型Treek對第i個樣本X_i的預測值,i＝1,2,...,N，N表示樣本個數；

根據預測矩陣的預測輸出值，構建其與真實輸出值的相關矩陣其元素為Ω_kj，y_i表示第i個樣本X_i的真實輸出值，其中k,j＝1,2,…,K；

第三步:計算融合權重向量ω＝[ω₁,ω₂,…,ω_K]，其中1表示單位向量，使用權重向量ω，將各邊界不同的樹集成模型{Tree1,Tree2,...,TreeK}融合成邊界森林模型，邊界森林模型的非線性函數表示為f_{BoundaryForest}(X)＝ω₁f_Tree1(X)+ω₂f_Tree2(X)+…+ω_Kf_TreeK(X)。

2.一種面向復雜工業過程的多工況軟計算模型更新方法，其特征在于：包括如權利要求1所述的邊界森林模型的構建方法，

判斷當前工況，在不同工況下，當前訓練集數據的窗口寬度具有不同的調整方式，根據工況對窗口寬度調整，其方法具體包括：

情況一：工況為新工況，隨著工業生產進行，新數據不斷產生，該工況下，當前訓練集的數據窗口起點保持不變，終點延時間軸不斷向前移動，移動數據窗口寬度不斷增大；

情況二：工況為已有工況，隨著工業生產進行，新數據不斷產出，但同時也有部分歷史數據變得無效，該工況下，當前訓練集數據窗口的起點和終點將延時間軸不斷向前移動；如果起點和終點同時同速移動，則窗口寬度保持不變；如果起點和終點同時不同速或者同速不同時移動，則窗口寬度動態變化；

情況三：工況為失效工況，該工況下的數據及軟計算模型隨之失效，數據及軟計算模型被剔除，但是未失效工況下的數據及軟計算模型不受影響，也無需更新；根據工況的不同，對于具有更新的當前數據集的軟計算模型更新，其方法具體包括：對于情況一和情況二，使用當前訓練集，并實施邊界森林模型的構建方法，重新建立K棵不同邊界的新樹得到新的邊界森林模型，融合所述新樹來覆蓋單棵樹在輸出邊界上的空白區域，對當前數據集的軟計算模型更新。

3.一種面向復雜工業過程的多工況軟計算模型更新方法在提高電弧爐精煉工業過程中的關鍵參數在線軟測量測值準確度和可靠性中的應用，其特征在于：包括如權利要求2所述的面向復雜工業過程的多工況軟計算模型更新方法。