[發(fā)明專利]基于隨機(jī)森林的降低汽油辛烷值損失的優(yōu)化方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110530864.4
• 申請(qǐng)日: 2021-05-15
• 公開（公告）號(hào): CN113408187A
• 公開（公告）日: 2021-09-17
• 發(fā)明（設(shè)計(jì)）人: 盧學(xué)飛;董鳳娟;楊藝芳;薛佳男
• 申請(qǐng)（專利權(quán)）人: 西安石油大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06F16/215;G06F16/2457;G06F16/22;G06K9/62;G06F111/04
• 代理公司: 西安研創(chuàng)天下知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61239
• 代理人: 郭璐

1.基于隨機(jī)森林的降低汽油辛烷值損失的優(yōu)化方法，其特征在于，包括以下步驟：

步驟1：采集汽油精煉原始樣本數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，剔除異常數(shù)據(jù)和無(wú)效數(shù)據(jù)；

步驟2：通過(guò)降維的方法從獲取到的原始樣本數(shù)據(jù)中篩選出關(guān)鍵變量；

步驟3：基于步驟1中預(yù)處理后的數(shù)據(jù)和步驟2選出的關(guān)鍵變量，利用隨機(jī)森林模型來(lái)建立產(chǎn)品辛烷值損失預(yù)測(cè)模型，并進(jìn)行模型驗(yàn)證；

步驟4：利用步驟2中篩選出的關(guān)鍵變量使用SVR模型和隨機(jī)森林模型，對(duì)產(chǎn)品硫含量和辛烷值損失進(jìn)行預(yù)測(cè)，以硫含量作為約束條件，對(duì)樣本的操作變量進(jìn)行調(diào)優(yōu)，得出不同情境下的降低辛烷值損失的優(yōu)化方案；

步驟5：提取原始樣本數(shù)據(jù)的關(guān)鍵變量的變化范圍和步幅，利用Python進(jìn)行繪圖，展示單操作變量調(diào)整時(shí)預(yù)測(cè)值的變化。

2.根據(jù)權(quán)利要求1所述的基于隨機(jī)森林的降低汽油辛烷值損失的優(yōu)化方法，其特征在于，步驟1所述的數(shù)據(jù)預(yù)處理的具體操作步驟為：

步驟11：將采集到的樣本導(dǎo)入excel表中，對(duì)每列變量最值的限幅方法進(jìn)行篩選，剔除不在此范圍的樣本；

步驟12：使用拉依達(dá)準(zhǔn)則去除異常值；

步驟13：將值為0的單元格替換為NA，并刪除缺失值NA超過(guò)50％的列；

步驟14：用兩小時(shí)內(nèi)均值填充NA值。

3.根據(jù)權(quán)利要求2所述的基于隨機(jī)森林的降低汽油辛烷值損失的優(yōu)化方法，其特征在于，步驟2的具體操作步驟包括：

步驟21：根據(jù)步驟13和步驟14對(duì)缺失數(shù)據(jù)進(jìn)行處理；

步驟22：低方差濾波篩選：先將步驟1中的原始樣本數(shù)據(jù)進(jìn)行歸一化處理，再將方差小于0.1的列刪除；

步驟23：計(jì)算處理后的樣本數(shù)據(jù)集中的特征之間的皮爾森相關(guān)系數(shù)，生成相關(guān)度矩陣，只保留相關(guān)度大于0.9的變量，得到初步篩選的特征變量；

步驟24：當(dāng)步驟23中篩選出的特征數(shù)量超過(guò)300維時(shí)，利用隨機(jī)森林方法來(lái)進(jìn)行特征篩選，且使用基尼指數(shù)Gini作為評(píng)價(jià)貢獻(xiàn)度的評(píng)價(jià)指標(biāo)，得到變量的重要性評(píng)分，將重要性評(píng)分歸一化處理后得到重要性的評(píng)分計(jì)算公式為：

其中，表示第j個(gè)特征在隨機(jī)森林所有決策樹中節(jié)點(diǎn)分裂不純度平均改變量的Gini指數(shù)；VIM_j表示第j個(gè)特征在隨機(jī)森林所有決策樹中節(jié)點(diǎn)分裂不純度的平均改變量；c表示決策樹中的c個(gè)特征；

步驟25：將得到的隨機(jī)森林變量重要性進(jìn)行排序，最終篩選出多個(gè)關(guān)鍵變量。

4.根據(jù)權(quán)利要求1所述的基于隨機(jī)森林的降低汽油辛烷值損失的優(yōu)化方法，其特征在于，步驟3的具體操作步驟包括：

步驟31：為所述的多個(gè)關(guān)鍵變量，生成與其對(duì)應(yīng)的決策樹模型，進(jìn)而生成隨機(jī)森林模型，最終得到產(chǎn)品辛烷值損失預(yù)測(cè)模型，通過(guò)隨機(jī)森林中的決策樹進(jìn)行判斷并輸出結(jié)果；

步驟32：選取均方誤差、R方值、平均絕對(duì)誤差和均方根誤差來(lái)預(yù)測(cè)產(chǎn)品辛烷值和真實(shí)值之間的偏差，從而對(duì)建立的模型進(jìn)行驗(yàn)證。

5.根據(jù)權(quán)利要求1所述的基于隨機(jī)森林的降低汽油辛烷值損失的優(yōu)化方法，其特征在于，步驟4所述的具體操作步驟包括：

步驟41：設(shè)定硫含量最大值以及辛烷值損失降幅最小值；

步驟42：對(duì)每個(gè)樣本的主要操作變量進(jìn)行參數(shù)調(diào)優(yōu)并以設(shè)定的硫含量最大值和辛烷值損失降幅作為約束條件，在該約束條件下，篩選出滿足約束條件的樣本及其各個(gè)操作條件。