[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

说明书

本发明公开了一种基于随机森林的光纤生产合格指标预测方法，该方法包括以下步骤：获取产品特征流通图，作为随机森林算法的输入特征；构建决策树节点；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，若否，进行下一步；计算得到训练集合X的特征个数C和集合大小N；判断C是否大于0，若否，则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；切分训练集，计算切分后的不纯净度；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；判断是否遍历到最后一个值。本发明预测出能优化生产的参数。

技术领域

本发明涉及光纤生产领域，具体来说，涉及一种基于随机森林的光纤生产合格指标预测方法。

背景技术

在光纤生产过程中，通常会有一些指标来评价生产的合格情况，这些指标的好坏影响着产品的验收。由于产品加工过程是相对固定的，因此原料的一些特征是最终合格指标的重要影响因素。企业迫切希望能根据原料的参数特征能提前预知产品最终的合格指标，以便及时做出调整，从而减少成本，提高产品合格率。

目前大部分企业采用机理模型加人工经验的方式，但存在一些问题，一方面机理模型的准确率较低，影响着后续工作，且预测速度并不高效，这对机器生产的速度来说很难接受；另一方面人工指导受到工人工作状态所影响，容易误操作和判断不正确的情况。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了基于随机森林的光纤生产合格指标预测方法，具备对已有生产线的数据参数和产品剖面特征分析，从而通过模型学习来预测出能优化生产的参数的优点，进而解决了传统机理模型精度和速度较低，且整个过程受到人工状态影响的问题。

(二)技术方案

为实现上述对已有生产线的数据参数和产品剖面特征分析，从而通过模型学习来预测出能优化生产的参数的优点，本发明采用的具体技术方案如下：

一种基于随机森林的光纤生产合格指标预测方法，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等；

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；

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。

进一步的，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。