[发明专利]一种基于随机森林的光纤生产合格指标预测方法

权利要求书

1.一种基于随机森林的光纤生产合格指标预测方法，其特征在于，该方法包括以下步骤：

S1：获取若干个产品的剖面特征，并将若干个产品的剖面特征组成产品特征流通图，作为随机森林算法的输入特征，其中，输入特征包括芯棒模场直径及折射率剖面；

S2：输入训练集合(X，Y)，构建决策树节点，其中，X为筛选出的产品输入特征，Y为要预测的合格指标；

S3：判断所述决策树节点是否为叶子节点，若是，则求当前节点所有Y的平均值，并作为该叶子节点的预测值，并接受训练，若否，进行下一步；

S4：计算得到训练集合X的特征个数C和集合大小N；

S5：判断C是否大于0，若否，则根据当前最优划分，将训练集合划分为两个集合，据此构造左右两个子节点，两个子节点递归执行本步骤，直到到达叶子节点并返回，若是则进行下一步；其中据此构造左右两个子节点，两个子节点递归执行本步骤，直到到达叶子节点并返回，其中，还包括以下步骤：选择第j个特征和它的取值s作为切分变量和切分点，并将训练集合(X，Y)划分为区域R₁(j，s)和区域R₂(j，s)，其中：

R₁(j,s)＝{x∣x^(j)≤s}，R₂(j,s)＝{x∣x^(j)s}；

利用公式：寻找最优切分变量j和切分点s，

i为非零自然数，x、y为训练集，c₁和c₂分别表示数据集被划分成两部分后的输出值，和表示c₁和c₂的函数值,ave表示求平均值函数；

采用穷举找到最优的切分变量j和最优切分点s，并继续循环执行S5中的步骤，直到满足停止条件；

S6：遍历第C个特征在训练集中的所有取值，且以每个值为切分点，计算切分后的不纯净度；

S7：判断当前切分点的不纯净度是否小于当前节点最小的不纯净度，若是则存储该切分点和切分特征，若否则执行下一步；

S8：判断是否遍历到最后一个值，若是，则执行步骤S5，若否，则执行步骤S6；

其中，使用Local Outlier Factor算法来进行原始数据的异常点检测，并在对输入数据进行随机森林算法训练前将异常点剔除，同时在随机森林算法训练过程中，采用网格搜索算法来搜寻模型的最佳参数。

2.根据权利要求1所述的一种基于随机森林的光纤生产合格指标预测方法，其特征在于，所述产品的生产过程包括芯棒生产、芯棒检测、光棒生产、光纤生产和光纤检测。

3.根据权利要求1所述的一种基于随机森林的光纤生产合格指标预测方法，其特征在于，所述随机森林算法训练后的输出特征为截止波长和光纤模场直径。

4.根据权利要求1所述的一种基于随机森林的光纤生产合格指标预测方法，其特征在于，所述将若干个产品的剖面特征组成产品特征流通图时，通过将剖面特征可视化，提取影响预测结果的特征来组成产品特征流通图。

5.根据权利要求1所述的一种基于随机森林的光纤生产合格指标预测方法，其特征在于，所述使用Local Outlier Factor算法来进行异常点检测还包括以下步骤：

设定点p的第k距离记做d_k(p)；

点p的第k距离邻域记为N_k(p)，代表的是点p的第k距离范围以内的所有的数据点，点p的第k邻域点个数为|N_k(p)|≥k；

点a对于点p的可达距离定义为：

d(a,p)＝max(d_k(p),d(a,p))；

点p的局部可达密度为；

其中，reach-dist表示可达距离；

a_i的局部离群因子定义如下：

局部离群因子越小，局部可达密度越大，a_i是离群点的可能性越小，反之a_i是异常点的可能性越大,i为非零自然数。