[發明專利]一種基于梯度提升樹的煙草回潮機出料含水率預測方法

在審

• 申請號: 202010045510.6
• 申請日: 2020-01-16
• 公開（公告）號: CN111144667A
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 何毅;李斌;衛建斌;李凡;普軼;何瑋
• 申請（專利權）人: 紅云紅河煙草（集團）有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;A24B3/04
• 代理公司: 北京名華博信知識產權代理有限公司 11453
• 代理人: 高雪琴

本發明公開了一種基于梯度提升樹的煙草回潮機出料含水率預測方法，屬于煙草領域，所述的基于梯度提升樹的煙草回潮機出料含水率預測方法，該方法使用回潮機的完整的工藝參數和環境參數作為自變量，利用梯度提升樹算法建立起回潮預測模型，充分考慮了不同的影響因子對煙草回潮機的出料含水率的影響，同時增強了預測模型對回潮過程的非線性特點的預測和解讀能力。該模型在實際回潮過程的工作環境下無需人為經驗干預即可完成出料含水率的預測，預測結果精度高，計算速度快。該預測方法能夠自動計算回潮機的出料含水率和需要的加水量，進而對煙葉的溫濕度進行更有效的控制從而提高煙絲的品質。

技術領域

本發明屬于煙草領域，更具體的說涉及一種基于梯度提升樹的煙草回潮機出料含水率預測方法。

背景技術

松散回潮是煙草生產工藝的重要組成部分，對卷煙的品質和口感起著關鍵影響。隨著煙草行業自動化和智能化水平的提高，對于松散回潮機的出料溫濕度控制的要求進一步提高。但是在實際操作中，由于變量數量多且相互關系復雜，因此難以建立起有效的出料含水率控制方法回潮的出料含水率依賴于操作人員利用經驗或者簡單的預測模型進行手動調節，比如基于經驗將產品分組，以及使用基于線性回歸或神經網絡的預測方法。安徽中煙通過對煙葉分組改進了加水策略，福建中煙和河南中煙分別利用環境溫濕度和部分工藝參數，建立起多元回歸模型預測出松散回潮加水量。貴州中煙的工程師利用Peleg提出的二參數非指數經驗模型方程，基于物料的初始含水量和加水量預測出了回潮機出料含水率。福建龍巖煙草工業有限責任公司的工程師則使用了Elman神經網絡，充分利用其動力學特征和優良的穩定性的特點，山東中煙利用基于徑向基函數的神經網絡模型，向模型中輸入制葉段實時數據松散回潮出料含水率、潤葉加料出料含水率，預測烘絲機的葉絲生絲含水率值。根據實踐結果，利用線性回歸和神經網絡的方法進行預測指導加水量的控制，具有較好的效果，并在實際生產中可以有效的提高產品的質量。

但是基于線性回歸的方法未能充分考慮和整合煙草回潮實際生產過程的復雜性，使用傳統的工藝組合改進或者線性回歸等較為簡單的預測方法，對系統的復雜性的處理能力不足，同時未能充分的考慮環境參數和生產工藝對出料含水率的共同影響。計算得到的結果精度有限，不能可靠的使用到回潮機的出料含水率預測中。

在早期的回潮機研究中，受限于硬件條件和數據采集能力，用于模型計算和擬合的參數的種類、數據數量和顆粒度不足，不利于建立起復雜可靠的回潮模型。同時數學理論特別是機器學習理論的成熟度和面向工業生產流程的研究水平比較低，缺乏將復雜的機器學習模型和回潮過程相結合的解決方案。

發明內容

本發明方法使用回潮機的完整的工藝參數和環境參數作為自變量，利用梯度提升樹算法建立起回潮預測模型，充分考慮了不同的影響因子對煙草回潮機的出料含水率的影響，同時增強了預測模型對回潮過程的非線性特點的預測和解讀能力。該模型在實際回潮過程的工作環境下無需人為經驗干預即可完成出料含水率的預測，預測結果精度高，計算速度快。該預測方法能夠自動計算回潮機的出料含水率和需要的加水量，進而對煙葉的溫濕度進行更有效的控制從而提高煙絲的品質。

為了實現上述目的，本發明是采用以下技術方案實現的：所述的基于梯度提升樹的煙草回潮機出料含水率預測方法，采用以下步驟實現：

步驟1.獲取生產流程工藝和環境參數的數據；

步驟2.對數據實施預處理，刪除異常值并對不同參數實施時間點對齊；

步驟3.將數據分割為訓練集和測試集；

步驟4.訓練集被用來訓練不同的出料含水率預測模型，分別利用回歸、支持向量機、神經網絡和梯度提升樹四種算法來生成預測模型；

步驟5.在測試集上驗證和對比模型的預測結果和真實值的差異，根據業務要求和統計指標的對比，選擇出最佳的預測算法。