[發明專利]一種基于隨機森林算法的水廠智能PAC投加方法及系統

在審

• 申請號: 202210093342.7
• 申請日: 2022-01-26
• 公開（公告）號: CN114563988A
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 柯智元;金紅達;何琦楓;孫建彬;謝建勛;李夢茹;付煒煒
• 申請（專利權）人: 浙江中控信息產業股份有限公司
• 主分類號: G05B19/418
• 分類號: G05B19/418;G06K9/62
• 代理公司: 杭州杭誠專利事務所有限公司 33109
• 代理人: 劉正君

1.一種基于隨機森林算法的水廠智能PAC投加方法，其特征在于，它包括下列步驟：

S1：利用基于隨機森林的機器學習算法，構建隨機森林PAC投加預測模型；

S2：根據模型測試正確率自動選擇最優的隨機森林PAC投加預測模型；

S3：利用多種其他機器學習算法，構建多種算法下的PAC投加預測模型；

S4：根據所設指標數據的變化動態調節使用優選的PAC投加預測模型進行PAC投加。

2.根據權利要求1所述的一種基于隨機森林算法的水廠智能PAC投加方法，其特征在于，所述的步驟S1的具體步驟為：

S1.1：從歷史數據庫中讀取指標數據，去除異常數據，建立數據樣本，其中一部分作為訓練樣本，剩下的作為測試樣本；

S1.2：對為N行的訓練樣本里面的樣本進行N次重復抽樣，得到含N個樣本的訓練子集，重復m次，得到m個含N個樣本的訓練子集；

S1.3：構建決策樹，直到決策樹數目達到默認值a，完成隨機森林PAC投加預測模型的創建；

S1.4：利用測試樣本，對隨機森林PAC投加預測模型進行驗證并對測試結果進行評估，計算模型的預測正確率。

3.根據權利要求3所述的一種基于隨機森林算法的水廠智能PAC投加方法，其特征在于，所述的步驟S1.1中：

指標數據包括：自變量和因變量，自變量包括進水濁度、出水濁度、進水流量、出水流量、溫度以及PH，因變量包括實際PAC投加流量。

4.根據權利要求3或4所述的一種基于隨機森林算法的水廠智能PAC投加方法，其特征在于，所述的步驟S1.2中，進行N次重復抽樣：

從行數為N的訓練樣本中隨機取出一個樣本放入采樣集中，再把該樣本放回訓練樣本中，經過N次隨機采樣操作，得到含N個樣本的采樣集。

5.根據權利要求3或4所述的一種基于隨機森林算法的水廠智能PAC投加方法，其特征在于，所述的步驟S1.3中，構建決策樹：

A1：創建根節點，開始遞歸檢查；

A2：判斷創建的根節點是否是葉子節點，若是，則標記為真，并用葉子的類標記Class；

A3：創建一個左右節點并將它們的引用保存在該節點的左右字段中，隨機挑選出Ms個特征；

A4：對于所有Ms特征，首先按某一個特征對數據記錄進行排序，然后從最低到最高查看數據記錄中的值，若值i不等于值i+1，則在列表中記錄i，若列表中的索引數量大于默認值，則只檢查每個索引的熵，否則檢查所有的熵；

A5：如果總熵值低于迄今為止的最小值，則將其設為最小值，依次計算每一個特征的總熵值，得到最小的總熵值，記錄該特征，設為左右節點；

A6：檢查新生成的左右節點，若節點只有一條記錄，將其標記為葉子并將其類設置為等于記錄的類，如果它的記錄少于最小節點數，那么我們將其標記為葉子并將其類設置為多數類；如果它有更多，那么我們對其數據樣本進行手動檢查，如果所有記錄都具有相同的類，則將其標記為葉子，如果沒有，那么我們在該節點上繼續遞歸檢查。

6.根據權利要求1所述的一種基于隨機森林算法的水廠智能PAC投加方法，其特征在于，所述的步驟S1.4中，驗證測試數據：測試樣本記錄中的一個樣本值根據每個節點表示的變量遍歷其中一顆決策樹，最終到達一個葉節點，基于該樣本值結束的葉節點的值，該決策樹被分配一個預測輸出；同一個樣本值經過所有的a個小決策樹，并且每一個樹都有一個預測輸出；通過對這a棵小樹的預測輸出的多數投票得到該樣本值的最終預測值。