[發明專利]一種面向鍋爐特種設備蒸汽量預測的K近鄰回歸預測方法

在審

• 申請號: 202011392931.2
• 申請日: 2020-12-01
• 公開（公告）號: CN112417764A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 陳華;曾亞輝;顧娟
• 申請（專利權）人: 江蘇省特種設備安全監督檢驗研究院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/28;G06F113/08;G06F119/14
• 代理公司: 南京泰普專利代理事務所(普通合伙) 32360
• 代理人: 竇賢宇

1.一種面向鍋爐特種設備蒸汽量預測的K近鄰回歸預測方法，其特征在于，包括如下步驟：

步驟S1、獲取歷史蒸汽數據和特征數據，包括各傳感器特征數據和儀表數據，并對數據進行預處理；

步驟S2、根據相關性將相關性較低的變量剔除，減少干擾變量對預測值的影響，防止維度爆炸；

步驟S3：將所述步驟S2中剔除無關變量后的歷史數據劃分為訓練集、驗證集和測試集，通過KD樹算法加速K近鄰的確定，進而確定最優的K值；

步驟S4：對新數據按照所述步驟S2篩選出相關變量，并根據所述步驟S3確定的K值預測蒸汽量；

步驟S5：定期將新的數據收集后，將與歷史數據相似度較低的數據加入到數據集中，并重新返回所述步驟1進行上述流程。

2.如權利要求1一種面向鍋爐特種設備蒸汽量預測的K近鄰回歸預測方法，其特征在于，所述步驟S1進一步為：

步驟S101、將歷史特征數據和蒸汽數據采集起來并存入數據庫中；

步驟S102、對每一列特征進行缺失值填充，離群值處理，歸一化處理等預處理。

3.如權利要求1一種面向鍋爐特種設備蒸汽量預測的K近鄰回歸預測方法，其特征在于，所述步驟S2進一步為：

步驟S201、計算各列特征與蒸汽量之間的相關性r；

步驟S202、將相關性|r|0.3的特征剔除。

4.如權利要求1一種面向鍋爐特種設備蒸汽量預測的K近鄰回歸預測方法，其特征在于，所述步驟S3進一步為：

步驟S301、將數據庫中的剔除變量的歷史數據取出來劃分為訓練集、驗證集和測試集；

步驟S302、根據訓練集構建KD樹；

步驟S303、令K = 5，對于驗證集中每一數據，搜索KD樹中的K個最相近的歷史數據，距離選擇歐式距離；將K個近鄰按照距離預測點之間的距離計算權重，根據權重對K個近鄰的蒸汽值加權求和，求出預測點的蒸汽量值；計算出每條數據預測值與真實值之間的誤差，進而計算出驗證集的總體的均方誤差；

步驟S304、令K = 6:12，重復步驟S303，根據均方誤差最小值選擇最優K值；

步驟S305、根據最優K值在測試集上進行測試檢驗效果。

5.如權利要求1一種面向鍋爐特種設備蒸汽量預測的K近鄰回歸預測方法，其特征在于，所述步驟S4進一步為：

步驟S401、在線采集到特征數據，將他們按照數據庫中的特征順序組成數組；

步驟S402、剔除步驟S202中確認的特征；

步驟S403、根據步驟S402中的數據在構建好的KD樹中搜索最優的K近鄰；

步驟S404、根據K近鄰的蒸汽值加權求和計算新數據的蒸汽預測值，權重的設置方式與S303中相同。

6.如權利要求1一種面向鍋爐特種設備蒸汽量預測的K近鄰回歸預測方法，其特征在于，所述步驟S5進一步為：

步驟S501、定期將新的數據匯總；

步驟S502、將新的數據和歷史數據計算相似度；

步驟S503、將相似度較低的數據加入到步驟S101的數據表中；

步驟S504、返回步驟S1重復上述流程。