[发明专利]边界森林模型的构建方法、面向复杂工业过程的多工况软计算模型更新方法及其应用

权利要求书

1.一种边界森林模型的构建方法，其特征在于：包括如下步骤，

第一步:已知某一工况下的当前训练集为样本输出N表示样本个数,M表示输入特征维数，设置不同的叶节点最少样本数{θ₁,θ₂,...,θ_K}，θ_i≠θ_j，i,j＝1,2,...,K，i≠j；

使用不同的叶节点最少样本{θ₁,θ₂,...,θ_K}建立K棵具有不同叶节点边界的树集成模型{Tree1,Tree2,...,TreeK}，并使用f_Treek，k＝1,2,...,K表示树集成模型的非线性函数；

第二步:使用树集成模型{Tree1,Tree2,...,TreeK}预测所述当前训练集Θ中所有样本的输出值，其方法具体包括：

对于第k棵树集成模型Treek，当其叶节点样本个数小于其叶节点最少样本数θ_k，则停止递归分裂内部节点，Treek产生M_k个叶节点；

以第k棵树的每一个叶节点为训练子集建立一个非线性回归模型,Treek产生的M_k个叶节点共建立M_k个子模型第k棵树集成模型Treek对样本X的预测值为预测时，待预测样本Xq遍历第k棵树集成模型Treek，并落入某一叶节点，由该叶节点上的子模型对待预测样本Xq进行预测；

其中k＝1,2,...,K，得到K棵树的集成模型，并得到其相应的K棵树的集成模型对样本X的预测值，得到预测的当前训练集Θ中所有样本的输出值；

并由预测的输出值构成预测矩阵其中表示第k棵树集成模型Treek对第i个样本X_i的预测值,i＝1,2,...,N，N表示样本个数；

根据预测矩阵的预测输出值，构建其与真实输出值的相关矩阵其元素为Ω_kj，y_i表示第i个样本X_i的真实输出值，其中k,j＝1,2,…,K；

第三步:计算融合权重向量ω＝[ω₁,ω₂,…,ω_K]，其中1表示单位向量，使用权重向量ω，将各边界不同的树集成模型{Tree1,Tree2,...,TreeK}融合成边界森林模型，边界森林模型的非线性函数表示为f_{BoundaryForest}(X)＝ω₁f_Tree1(X)+ω₂f_Tree2(X)+…+ω_Kf_TreeK(X)。

2.一种面向复杂工业过程的多工况软计算模型更新方法，其特征在于：包括如权利要求1所述的边界森林模型的构建方法，

判断当前工况，在不同工况下，当前训练集数据的窗口宽度具有不同的调整方式，根据工况对窗口宽度调整，其方法具体包括：

情况一：工况为新工况，随着工业生产进行，新数据不断产生，该工况下，当前训练集的数据窗口起点保持不变，终点延时间轴不断向前移动，移动数据窗口宽度不断增大；

情况二：工况为已有工况，随着工业生产进行，新数据不断产出，但同时也有部分历史数据变得无效，该工况下，当前训练集数据窗口的起点和终点将延时间轴不断向前移动；如果起点和终点同时同速移动，则窗口宽度保持不变；如果起点和终点同时不同速或者同速不同时移动，则窗口宽度动态变化；

情况三：工况为失效工况，该工况下的数据及软计算模型随之失效，数据及软计算模型被剔除，但是未失效工况下的数据及软计算模型不受影响，也无需更新；根据工况的不同，对于具有更新的当前数据集的软计算模型更新，其方法具体包括：对于情况一和情况二，使用当前训练集，并实施边界森林模型的构建方法，重新建立K棵不同边界的新树得到新的边界森林模型，融合所述新树来覆盖单棵树在输出边界上的空白区域，对当前数据集的软计算模型更新。

3.一种面向复杂工业过程的多工况软计算模型更新方法在提高电弧炉精炼工业过程中的关键参数在线软测量测值准确度和可靠性中的应用，其特征在于：包括如权利要求2所述的面向复杂工业过程的多工况软计算模型更新方法。