[发明专利]一种建筑陶瓷喷雾制粉质量的数据分析预测方法及系统

权利要求书

1.一种建筑陶瓷喷雾制粉质量的数据分析预测方法，其特征在于，包括如下内容：

A.获取流程数据、喷雾塔参数和浆料性能数据及制备出陶瓷粉料的粉料性能数据；

B.以流程数据为连接信息，以连接信息对浆料进入喷雾塔、喷雾制粉和检测陶瓷粉料三个流程的数据链路搭建，得到追溯数据链路；

C.将追溯数据链路导入python数据集中得到预处理数据集，利用pandas求出预处理数据集的总样本数量及各变量数量统计情况；

D.根据比总样本量和各变量统计数量情况，完成对缺失值和异常值的判断及处理；

E.以粉料性能数据为输出变量X，以喷雾塔参数和浆料性能数据为输入变量Y，利用python的corr函数，计算每个输入变量与每个输出变量的特征相关性信息；使用Xgboost函数包建立模型，分别对粉料性能数据中单一指定参数进行建模训练，训练时使用自动调参，调整最大深度(max_depth)、学习率(learning_rate)和评估器数量(n_estimators)三个超参数；通过R2_SCORE指标评价模型效果，对最大深度(max_depth)、学习率(learning_rate)和评估器数量(n_estimators)三个超参数的不同组合成的模型进行评价，其中R2_SCORE计算公式为：

选择训练集和测试集R2_SCORE值越趋近于1的模型，输出排名靠前的变量特征，排名越靠前的变量特征，即分别为对粉料性能数据中对应单一指定参数的影响作用越大的输入变量。

2.根据权利要求1所述的一种建筑陶瓷喷雾制粉质量的数据分析预测方法，其特征在于，所述A步骤还包括如下内容：所述流程数据包括日期时间信息、浆池号、中转缸号和喷雾塔塔号；所述喷雾塔参数包括：炉膛温度、塔顶温度、塔中温度、出口温度、助燃风频率、炉排频率、螺杆泵频率、喷枪支数、喷片孔径、送浆压力、负压、风机电流和/或大风机频率；所述浆料性能数据包括；浆料水分、浆料流速、和/或浆料性能-比重；所述粉料性能数据包括：粉料名称、粉料水分、粉料容重和/或颗粒度；并对各个参数进行类别划分。

3.根据权利要求2所述的一种建筑陶瓷喷雾制粉质量的数据分析预测方法，其特征在于，所述B步骤还包括如下内容：

以抽浆时间、浆池号、中转缸号、喷雾塔记录的日期时间、喷雾塔塔号、粉料名称和粉料检测时间在的流程数据为连接信息，将从浆料进入喷雾塔到喷雾塔制粉完成并检测粉料质量的整个流程的数据链路进行搭建，得到追溯数据链路。

4.根据权利要求2所述的一种建筑陶瓷喷雾制粉质量的数据分析预测方法，其特征在于，所述C步骤还包括如下内容：

将搭建好的追溯数据链路导入python数据集中作为预处理数据集，利用pandas得到各变量的最大值、最大值位数、最小值、最小值位置、25％分位数、中位数、75％分位数、均值、平均绝对偏差、方差、标准差、偏度和峰度统计指标，用于了解的总样本数量及各变量数量统计情况。

5.根据权利要求1所述的一种建筑陶瓷喷雾制粉质量的数据分析预测方法，其特征在于，所述D步骤还包括如下内容：

缺失值判断及处理：

对比总样本量和各变量统计数量的差，判断各变量缺失值的情况；根据工艺经验及模型实际需求，结合数据的实际情况，确定删除或填补缺失值的方法；

当数据集的样本量很大，或存在较多缺失值的字段并不是重要变量，即删除缺失值或缺失值数据后，进入模型的样本数量或字段仍然可以保证模型的有效性，则直接去掉缺失值或缺失值样本；可通过Pandas或Numpy来实现；

填补缺失值可采用随机森林等多种方法进行填补，在数据治理阶段无法判断应采用哪种方法对缺失值进行填补时，可进入模型建立阶段再进行处理；

异常值的判断及处理：

根据最大最小值、四分位数等统计指标，判断各变量中，数值的分布及偏离情况，判断数据中是否存在异常值；将异常值进行自动更正。