[发明专利]烟草生丝水分加水量预测系统及方法

权利要求书

1.一种烟草生丝水分加水量预测方法，其特征在于，包括以下步骤：

步骤1、对采集的历史数据进行数据预处理，再通过数据库对原始数据及数据预处理后的数据进行规范性存储和指定输出；

步骤2、对数据采用不同的算法模型进行生丝水分加水量的结果预测，得到各算法模型的预测结果，并对得到的预测结果进行对比，选择精度最高的算法模型；

步骤2中的算法模型采用多种树回归算法进行建模，多种所述树回归算法包括回归树、梯度提升回归树、随机森林、XGboost、LightGBM和catboost算法；

所述算法模型采用树回归算法抽取出烟草生丝水分加水量各数据属性的权重，通过权重和数据属性的线性组合得到预测方程，从而得到各算法模型的预测结果；

在步骤2中，对得到的预测结果进行对比具体包括：采用十折交叉验证法对各算法模型的预测精度进行验证，经对比判断后选择精度最高的算法模型，再与经验算法结果进行比较，判断数学模型的可信性；

具体包括以下步骤：

第一步，将数据随机分为m份，取其中m-1份合并后构建训练数据集，使用不同的树回归算法在训练数据集上进行训练，获得模型参数；将训练好的模型在余下的一份数据上进行测试，计算模型与数据的均分误差：

其中，m为样本的数量，y_i为测试数据中的加水量值，为模型预测值；对m份数据，依次取一份数据作为测试集，共获得m个预测精度；对以上过程重复m次，将m次共m²个预测精度进行平均，即获得十折交叉验证的精度；对不同的算法，选择精度最高算法作为数据模型；采用树回归算法可以抽取出每个因素的权重值，通过权重和属性的线性组合得到预测方程；

在梯度提升回归树中，特征j的权重为特征j在单棵树中权重的平均值：

其中，M是树的数量，特征j在单棵树T中的权重为：

其中，L-1为树的非叶子节点数量；v_t是与节点t相关联的特征；1(v_t＝j)表示当v_t＝j时该式取1，否则取0；是分裂前后节点t的均分误差的减少量；

第二步，根据操作工经验算法得到预测结果，设生丝水分目标值为前k批生丝水分均值为前k批润叶加料入口水分均值为当前润叶加料入口水分为x_t+1，前k批润叶加料环节加水量均值为操作工经验算法计算加水量的公式如下：

第三步，将选择出的模型预测结果与经验算法计算结果计算均分误差，如均分误差小于用户设定值，即采用模型预测结果进行加水预测。

2.根据权利要求1所述的烟草生丝水分加水量预测方法，其特征在于，在步骤1中，读取数据库中的历史数据，并将采集的数据进行数据清洗、数据集成、数据变换及数据归约，同时将原始数据与预处理后的数据规范性地存入数据库，并按照后续系统需求指定输出相应数据；具体包括以下步骤：

第一步、读取数据库中的历史数据，对数据进行数据预处理，包括数据清洗，对采集数据的缺失值、异常值分别进行合理地替换、插补、均值修正、删除操作；数据集成：对采集数据的属性做相关分析检测，排除重复且多余的数据；数据变换：对采集的数据进行简单函数变换、规范化处理后转换为后续软件分析及处理的数据格式；数据归约：在尽可能保持数据原貌的前提下最大限度地发现目标数据的有用特征，从而缩减数据规模后精简数据量；

第二步、在对数据进行预处理后，将原始数据及数据预处理后得到的数据规范性地存入数据库中，再根据后续系统需求获取数据库内指定数据。