[发明专利]一种基于模型池的流程工业质量数据预测算法

权利要求书

1.一种基于模型池的流程工业质量数据预测算法，其特征在于，包括以下步骤：

S1：数据采集；

包括流程工业运行过程中质量化验数据的采集，以及与质量数据相关的其余特征变量的采集；

S2：数据预处理；

包括删除停机数据，按照工艺过程对齐各特征变量以及目标变量，异常数据删除，数据平滑等操作；

S3：特征选择；

按照各特征变量与目标变量之间的相关关系进行特征筛选，在建立模型时进一步通过逐步增加或者减少特征变量的方法筛选重要特征；

S4：模型训练和评估；

选取某一时间段数据，训练和评估模型。模型训练采用不同的机器学习方法，模型评估采用交叉验证实现，同时在训练模型时，可以进一步筛选合适的特征变量。

S5：模型池建立；

选取若干段数据源，按照上一步中模型训练和评估模块创建若干个效果优异的模型，将这些模型存放在一起形成模型池；

S6：在线预测；

根据历史数据判断当前运行工况，从模型池中选择与当前工况匹配的若干模型，预测质量数据；

S7：模型池维护；

持续在线采集数据，当数据量达到可训练样本量时，则训练新的模型，满足预测要求的新模型添加到模型池中；同时弃用模型池中长时间未使用的模型。

2.根据权利要求1所述的一种基于模型池的流程工业质量数据预测算法，其特征在于，所述步骤S2先确定质量数据从采样到输出化验结果的时长以根据该时长将特征变量与目标变量数据对齐，然后再根据生产工艺流程将各特征变量与目标变量进一步对齐。

3.根据权利要求2所述的一种基于模型池的流程工业质量数据预测算法，其特征在于，所述步骤S6中的所采用的模型不限于单一模型，可以是若干模型的组合，且具体模型调用由当前工况所决定。

4.根据权利要求1所述的一种基于模型池的流程工业质量数据预测算法，其特征在于，所述步骤S7中的模型池通过在线采集数据、数据预处理、训练和评估模型实现动态更新，进而既确保新出现工况有对应的模型，又不断淘汰长时间未被使用的模型。