[发明专利]一种基于选择性双层集成学习适用于复杂工业过程产品质量指标缺失数据补全的方法及系统

权利要求书

1.一种基于选择性双层集成学习适用于复杂工业过程产品质量指标缺失数据补全的方法，其特征在于，包括如下步骤：

S1.生成训练集：

S11.收集复杂工业过程产品质量指标，形成的具有N个样本的原始数据集；

S12.从所述的原始数据集中有放回地随机抽取和原始数据集容量相同的采样集，重复M次，得到M个相互独立的采样集；

S13.对每个所述的采样集不放回地随机选取K个变量作为训练集的特征变量，所述的K的值由经验公式确定：

其中P的值为原始数据集的总维数，由此生成M个N×K的训练集；

S2.建立子模型并生成补全结果：

S21.基于所述M个训练集，对每个训练集分别使用偏最小二乘法、支持向量机、BP神经网络三种建模方法补全数据，分别得到三个补全结果：

S22.使用最小二乘法分别估计偏最小二乘法、支持向量机、BP神经网络三种建模方法的权重z₁、z₂、z₃，加权计算得出每个子模型的补全结果，具体计算如下：

假设实际输出为y，则

令z＝[z₁,z₂,z₃]^T，则上式可简记为：

X·z＝y

应用最小二乘法可以得到权重z的估计：

那么，第i个子模型的补全结果为

S3.确定最终补全结果：

基于所述每个子模型的补全结果，根据提出的补全效果评估指标对所述M个子模型的补全结果进行评估，并依据评估得分进行排序，选择得分高的S个子模型的平均值作为最终的补全结果。

2.根据权利要求1所述的基于选择性双层集成学习适用于复杂工业过程产品质量指标缺失数据补全的方法，其特征在于，所述的S11之后还包括对初始数据集标准化，消除不同变量量纲的影响的步骤，具体方法如下：

记所述的N个样本中，每个样本有P维的变量，则X_ij(i＝1,2,…,N；j＝1,2,…,P)为第i个样本的第j个变量样本值，标准化计算公式为：

其中，E(X_j)指输入第j个变量N个样本值的均值，Std(X_j)指输入第j个变量N个样本值的标准差。

3.根据权利要求1所述的基于选择性双层集成学习适用于复杂工业过程产品质量指标缺失数据补全的方法，其特征在于，S3中所述的“根据提出的补全效果评估指标”是指精度和稳定性的综合指标，即根据精度和稳定性的综合指标对所述M个子模型的得分进行排序，选择得分高的若干个子模型的平均值作为最终的补全结果，具体计算如下：

S31.计算子模型的均方根误差作为模型的精度指标，计算公式如下：

其中为第i个模型第j个样本的补全结果，Y_j为第j个样本的真实值，N为测试样本的个数；

S32.计算子模型的误差的标准差作为模型的稳定性指标，计算公式如下：

其中为第i个模型的误差的均值；std(e_i)表示误差的标准差；

S33.用以下归一化公式将所述2个指标RMSE(i)和std(e_i)归一化到[0,1]之间：

S34.依照下式确定的综合指标作为每个子模型的得分，并对所有子模型按其得分从高到低排序，选取S个得分最高的模型的补全结果的均值作为最终的补全结果：

其中：RMSE(i)′和std(e_i)′分别为归一化后的精度指标和稳定性指标；

则最终结果为：

其中：S＝floor(40％×M)，M为子模型的个数，floor()为向下取整的函数，即取不大于括号内值的最大整数；表示得分最高的前S个子模型的补全结果输出值。

4.根据权利要求1所述的基于选择性双层集成学习适用于复杂工业过程产品质量指标缺失数据补全的方法，其特征在于，所述的“复杂工业过程产品质量指标”是指加氢裂化流程重石脑油终馏点，所述的N为595，M为50，P为139。