[发明专利]一种多晶硅还原炉内硅棒生长速率预估模型

权利要求书

1.一种多晶硅还原炉内硅棒生长速率预估装置，其特征在于，包括以下模块：

数据采集及预处理模块，用于通过传感器采集与硅棒生长速率相关的数据，构建数据集，并对采集的数据进行数据清洗；所述与硅棒生长速率相关的数据，包括：炉内压力，进气速度，进料的氢气量与三氯氢硅的量，硅棒表面温度，进气温度，硅棒的直径，历史生长速率，硅棒对数，炉内壁温度；

数据集筛选模块，用于对数据采集模块经过数据采集、数据清洗后的数据集进行筛选，得到训练集和测试集；

训练和评估模块，用于对梯度提升决策树模型进行训练，利用平均相对误差以及合格率对模型进行评估，具体包括：

(1)输入训练集，训练集中样本数为M；设置迭代次数T和损失函数L；所述的损失函数采用平方误差损失函数，其中y表示样本的真实值，y′(x)表示预测值；

(2)初始化弱学习器；

寻找使损失函数最小化的常数值c：

上式中，f₀(X)为弱学习器，L(·)表示损失函数，y_i表示第i个样本的真实输出值；

(3)开始迭代，总共迭代T次；

(3-1)计算负梯度；

计算每次迭代时损失函数的负梯度：r_ti＝y_i-f_t-1(X_i)；t＝1,2...T，i＝1,2...M，f_t-1(X_i)表示第t-1次迭代得到的强学习器对样本X_i的预测值；

(3-2)利用(X_i,r_ti)拟合弱回归树，得到第t棵弱回归树；其对应的叶结点区域为R_tj，其中j＝1,2...J，J为第t棵弱回归树的叶子节点数，t＝1,2,...T；

(3-3)针对叶节点区域R_tj，找到拟合叶子节点最好的输出值c_tj：

(3-4)更新强学习器：

其中，f_t-1(X)为第t-1次迭代时的强学习器，f_t(X)为更新后的强学习器，v的取值范围是0＜v≤1，I表示指示函数，当X_i∈R_tj时，其值为1，否则为0；

(4)迭代结束得到最终强学习器：

其中，f_T(X)为经过T次迭代后得到的强学习器；

(5)利用测试集对强学习器进行评估，得到预测模型；

待预测模块，用于输入待预测特征向量；

预测结果模块，用于将所述的待预测特征向量输入到预测模型中，输出预测结果。

2.如权利要求1所述的多晶硅还原炉内硅棒生长速率预估装置，其特征在于，所述的对采集的数据进行数据清洗，包括：

记总共采集的样本数量为m，对于数据集中的每一个样本，如样本中存在缺失数据，则将该缺失数据采用前一个生产周期、后一个生产周期中对应数据的平均值代替，以进行缺失值处理；对于异常值处理，利用统计学方法，从数据集中筛选出每一类数据的异常值，然后将该异常值作为缺失值进行处理，或用所有其他同类型数据的平均值来修正。