[发明专利]一种设备材料球化程度预测方法及系统

权利要求书

1.一种设备材料球化程度预测方法，其特征在于，所述预测方法包括如下步骤：

获取球化程度已知的设备材料参数，构建数据样本集；

采用Borderline-SMOTE算法对数据样本集中的少数类样本进行过采样，使数据样本集中少数类样本与多数类样本的比例的差值小于预设阈值，获得扩充后的数据样本集；

构建用于设备材料球化程度预测的SVM模型；

基于扩充后的数据样本集，采用差分进化算法，确定SVM模型的超参数，获得超参数确定后的SVM模型；

基于所述扩充后的数据样本集对超参数确定后的SVM模型进行训练，获得训练后的SVM模型；

基于训练后的SVM模型进行设备材料球化程度的预测。

2.根据权利要求1所述的一种设备材料球化程度预测方法，其特征在于，所述采用Borderline-SMOTE算法对数据样本集中的少数类样本进行过采样，使数据样本集中少数类样本与多数类样本的比例的差值小于预设阈值，获得扩充后的数据样本集，具体包括：

分别根据每个少数类样本与所述数据样本集中除了所述少数类样本之外的所有样本的欧式距离，确定每个所述少数类样本的多个近邻样本；

确定每个所述少数类样本的多个近邻样本中属于多数类样本的个数，分别作为每个所述少数类样本的边界判断指标；

将边界判断指标在预设范围内的少数类样本设置边界样本；

分别根据每个所述边界样本，利用公式x_new＝x+λ×(x_i-x)，生成新的少数类样本；

其中，x为边界样本，x_i为边界样本的第i个近邻样本，x_new为新的少数类样本，λ表示样本生成系数；

将生成的所有的新的少数类样本添加至所述数据样本集，获得扩充后的数据样本集。

3.根据权利要求1或2所述的一种设备材料球化程度预测方法，其特征在于，所述采用Borderline-SMOTE算法对数据样本集中的少数类样本进行过采样，使数据样本集中少数类样本与多数类样本的比例的差值小于预设阈值，获得扩充后的数据样本集，之后还包括：

将扩充后的数据样本集中的每个样本进行归一化处理。

4.根据权利要求1所述的一种设备材料球化程度预测方法，其特征在于，所述基于扩充后的数据样本集，采用差分进化算法，确定SVM模型的超参数，获得超参数确定后的SVM模型，具体包括：

将SVM模型中的参数作为基因，初始化种群，并将初始化后的种群设置为当前种群；

以SVM模型的10折交叉验证结果作为适应度指标，基于扩充后的数据样本集，确定当前种群的最优个体；

判断是否满足终止条件，获得判断结果；

若所述判断结果表示否，则利用公式对当前种群中的个体进行变异，获得变异个体；其中，均为当前种群中的三个个体，表示第i个变异个体，F表示差分缩放因子；

根据每个变异个体，利用公式进行交叉，获得交叉个体；其中，良示当前种群中的第i个个体的交叉个体的第j个基因，表示当前种群中的第i个个体的变异个体的第j个基因，表示当前种群中的第i个个体的第j个基因，CR表示交叉概率；

根据每个个体的交叉个体，利用公式选取下一代种群的个体；其中，表示下一代种群中的第i个个体，表示当前种群中的第i个个体的交叉个体，表示当前种群中第i个个体，和分别表示当前种群中第i个个体和第i个个体的交叉个体的适应度指标；

将下一代种群设置为当前种群，返回步骤“以SVM模型的10折交叉验证结果作为适应度指标，基于扩充后的数据样本集，确定当前种群的最优个体”；

若所述判断结果表示是，则输出当前种群的最优个体。