[发明专利]一种基于随机森林模型的水泥烧成煤耗检测方法与系统

说明书

本发明涉及一种基于随机森林模型的水泥烧成煤耗检测方法与系统，所述方法包括：采集数据集；所述数据集包括煤耗和与煤耗相关的工业参数；根据所述数据集搭建随机森林模型；以所述工业参数为输入，所述煤耗为输出，通过构建CART回归树模型对所述随机森林模型进行训练；将待预测工业参数输入训练后的所述随机森林模型得到输出煤耗。本发明解决了多变量之间的强耦合关系和滞后性，提高了煤耗检测效率。

技术领域

本发明涉及水泥烧成技术领域，特别是涉及一种基于随机森林模型的水泥烧成煤耗检测方法与系统。

背景技术

水泥烧成系统在水泥生产中是十分重要的一环，根据水泥行业相关数据显示，我国的水泥产量排在世界前列。在水泥生产过程中，煤耗是十分重要的指标，有效预测煤耗指标，实现煤耗指标的在线预测，对提高水泥生产效率乃至提升国民经济水平有着十分重要的意义。但是由于水泥生产过程的烧成系统尤其是回转窑具有非线性、强耦合性等特点，仅仅从机理上很难建立水泥烧成系统煤耗指标预测模型，除此之外由于不同的工作人员现场操作经验不同，使得水泥烧成系统一直处于平稳高效的运行状态具有一定的难度，这样就导致能源无法高效利用，造成一定程度的浪费。另外，采用OPC技术对水泥工业DCS设备的数据提取的过程中，由于设备运行情况和人员操作等因素，有时会造成数据缺失，这也为后续建立精确的煤耗预测模型带来挑战。

针对回转窑非线性、强耦合性的特点，常建锋等人研究了一种基于区间跟踪变量软约束的多目标预测控制算法并将其应用到回转窑过程控制中，达到了优化水泥烧成过程、降低能耗的目的。王昭旭等人将一种隐含时间序列深度信念网络运用到水泥烧成过程能耗指标预测，消除了时变时延对水泥能耗预测的影响。

由于水泥烧成系统本身具有大滞后性、非线性、时变时滞以及变量间强耦合性的特点，因此难以对其建立精确的数学模型。

发明内容

基于此，本发明的目的是提供一种基于随机森林模型的水泥烧成煤耗检测方法与系统，解决了多变量之间的强耦合关系和滞后性，提高了煤耗检测效率。

为实现上述目的，本发明提供了如下方案：

一种基于随机森林模型的水泥烧成煤耗检测方法，包括：

采集数据集，所述数据集包括煤耗和与煤耗相关的工业参数；

根据所述数据集搭建随机森林模型；

以所述工业参数为输入，所述煤耗为输出，通过构建CART回归树模型对所述随机森林模型进行训练；

将待预测工业参数输入训练后的所述随机森林模型得到输出煤耗。

可选地，所述根据所述数据集搭建随机森林模型，具体包括：

从所述数据集中随机抽取多个训练集，所述训练集中样本数量与所述数据集中样本数量相等；

根据各所述训练集分别构造决策树：当所述决策树进行特征分裂时，随机抽取设定数量的所述工业参数，根据设定数量的所述工业参数确定所述决策树的最优输出煤耗；

将各所述决策树构成随机森林模型。

可选地，所述工业参数包括喂料量反馈、塑料防腐风机转速反馈、二次风温反馈、高温风机转速反馈、窑尾温度、窑电流平均值、窑头煤反馈、分解炉喂煤量反馈，分解炉出口温度和一级筒出口温度反馈。

可选地，所述CART回归树模型为其中，R_m表示从所述输入特征中划分出的输入特征单元，C_m表示与R_m相对应的输出煤耗，f(x_i)为第i棵决策树的输出煤耗，M为输入空间划分个数，I表示参数。。