(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211272714.9 (22)申请日 2022.10.18 (71)申请人 浙江砖助智连科技有限责任公司 地址 324022 浙江省衢州市衢江区龙海路5 号科创中心5 03室 (72)发明人 张文　崔浩亮　李翰霖　史成洁　 (74)专利代理 机构 武汉菲翔 知识产权代理有限 公司 42284 专利代理师 李慧奇 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/04(2012.01) G06Q 50/06(2012.01) G06N 20/00(2019.01) G06K 9/62(2022.01)G06F 17/18(2006.01) (54)发明名称 一种基于极端森林算法的干损疏解机用水 量预测模型 (57)摘要 本发明公开了一种基于极端森林算法的干 损疏解机用水量预测模型， 涉及造纸技术领域， 包括以下步骤： S1： 数据采集： 采集干损疏解机以 及其前后设备若干工况特征； 该基于极端森 林算 法的干损疏解机用水量预测模型， 使得本模型能 够考虑干损疏解机以及前后设备的参数对干损 疏解机出口流量的影响， 全面进行特征选择， 避 免因仅考虑干损疏解机参数导致特征选择的片 面性， 同时利用PCA算法和滑动平均滤波算法联 合对模型输入参数进行降维降噪， 减小无效特征 的数量， 并抑制周 期干扰导致的采样偏差， 减少 模型训练时间， 并提高了模型的准确率， 通过使 用极端随机森 林回归算法， 进一步降低过拟合问 题， 提高模型 预测的准确性。 权利要求书1页 说明书4页 附图2页 CN 115496293 A 2022.12.20 CN 115496293 A 1.一种基于极端森林算法的干损疏解机用水量预测模型， 其特 征在于： 包括以下步骤： S1： 数据采集： 采集干损疏解机以及其前后设备若干 工况特征； S2： 数据清洗： 纠正原始数据集的缺失值， 对原始数据集所有特征列查询是否具有缺失 值， 对缺失比例低的列直接剔除缺 失值所在的行， 对缺 失值比例相当的列利用均值填充， 对 缺失值极高的列直接剔除该列； S3： 数据预处 理： 对数据进行 预处理， 提高模型输入参数的质量； S4： 数据分割： 划分训练集和 测试集； S5： 干损疏解机出口流量模型建立： 选择可降低过拟合的极端随机森林算法建立出口 流量预测模型， 将处 理后的特 征变量X输入预测模型， 并不断迭代训练模型； S6： 模型优化： 对 模型参数调优； S7： 建立干损疏解机用水量模型， 将用水量预测的实际问题转 化为数学问题。 2.根据权利要求1所述的一种基于极端森林算法的干损疏解机用水量预测模型， 其特 征在于： 所述S3数据预处理： 对数据进行预处理， 提高模型输入参数的质量的步骤包括： 利 用箱行图识别异常值， 计算数据中最大估计值和最小估计值。 3.根据权利要求1所述的一种基于极端森林算法的干损疏解机用水量预测模型， 其特 征在于： 所述S3数据预处理： 对数据进行预处理， 提高模型输入参数的质量的步骤还包括： 特征选择， 利用热图所展现的特征变量与目标变量之间的相关性， 相关性从 高到低排序， 选 出与目标变量Y最相关的特 征参数N个作为模型输入参数 X。 4.根据权利要求1所述的一种基于极端森林算法的干损疏解机用水量预测模型， 其特 征在于： 所述S3数据预处理： 对数据进行预处理， 提高模型输入参数的质量的步骤还包括： 所述数据降噪， 数据降噪算法至少包括P CA主成分分析、 奇异 值分解、 小波变换、 平均滑动滤 波算法以及联合 算法对数据进行降维降噪。 5.根据权利要求1所述的一种基于极端森林算法的干损疏解机用水量预测模型， 其特 征在于： 所述S4数据分割： 划分训练集和测试集的步骤中根据时间将原始数据的75％划分 作为训练集， 将其 余数据25％划分作为测试集。 6.根据权利要求1所述的一种基于极端森林算法的干损疏解机用水量预测模型， 其特 征在于： 所述S6模型优化的步骤中对出口流量预测模型参数进行调优， 提高评估指标并防 止训练数据的过拟合。 7.根据权利要求1所述的一种基于极端森林算法的干损疏解机用水量预测模型， 其特 征在于： 所述S1数据采集： 采集干损疏解机以及其前后设备若干工况特征的步骤中采集的 工况特征至少包括时间， 设备的启动参数， 设备运行电流， 出口压力， 出口浓度， 液位， 出口 流量， 并构成原 始数据集。权　利　要　求　书 1/1 页 2 CN 115496293 A 2一种基于极端森 林算法的干损疏解机用水量预测模型 技术领域 [0001]本发明涉及造纸技术领域， 具体为一种基于极端森林算法的干损疏解机用水量预 测模型。 背景技术 [0002]纸是人类社会生活中的必需品， 造纸工业已是许多国家的重要企业， 纸的产量和 质量是衡量企业发展水平的一种标准， 制浆作为造纸工艺流程的第一步就显得尤为重要。 有资料证明， 当碎解率达到75％时， 不宜继续采用碎浆机碎解， 否则将严重损伤纤维， 降低 纤维强度。 此时应采用干损疏解机等疏解设备来完成后 期的碎解任务， 这对提高碎解效果， 保证废纸纤维的强度， 降低动力消 耗都有好处。 因此， 可以说疏解是碎解的继续， 其目的是 将纤维全部离解而不损伤纤维， 降低纤维强度。 而在疏解机碎解过程中， 需要大量的水源。 我国的水资源又相对匮乏， 这两者之间形成了不小的矛盾， 对于制浆行业的发展有着很大 的影响， 因此造纸行业用水问题也受到了人们的普遍关注。 因此为了降低用水消耗、 提高资 源利用率并减少浪费， 本发明提出一种基于极端森林算法的干损疏解机用水量预测模型。 发明内容 [0003]针对现有技术的不足， 本发明提供了一种基于极端森林算法的干损疏解机用水量 预测模型， 解决了上述背景技 术中提出的问题。 [0004]为实现以上目的， 本发明通过以下技术方案予以实现： 一种基于极端森林算法的 干损疏解机用水量预测模型， 包括以下步骤： [0005]S1： 数据采集： 采集干损疏解机以及其前后设备若干 工况特征； [0006]S2： 数据清洗： 纠正原始数据集的缺失值， 对原始数据集所有特征列查询是否具有 缺失值， 对缺失比例低的列直接剔除缺失值所在的行， 对缺失值比例相当的列利用均值填 充， 对缺失值极高的列直接剔除该列； [0007]S3： 数据预处 理： 对数据进行 预处理， 提高模型输入参数的质量； [0008]S4： 数据分割： 划分训练集和 测试集； [0009]S5： 干损疏解机出口流量模型建立： 选择可降低过拟合的极端随机森林算法建立 出口流量预测模型， 将处 理后的特 征变量X输入预测模型， 并不断迭代训练模型； [0010]S6： 模型优化： 对 模型参数调优； [0011]S7： 建立干损疏解机用水量模型， 将用水量预测的实际问题转 化为数学问题。 [0012]可选的， 所述S3数据预处理： 对数据进行预处理， 提高模型输入参数的质量的步骤 包括： 利用箱行图识别异常值， 计算数据中最大估计值和最小估计值。 [0013]可选的， 所述S3数据预处理： 对数据进行预处理， 提高模型输入参数的质量的步骤 还包括： 特征选择， 利用热图所展现的特征变量与目标变量之 间的相关性， 相关性从高到低 排序， 选出与目标变量Y最相关的特 征参数N个作为模型输入参数 X。 [0014]可选的， 所述S3数据预处理： 对数据进行预处理， 提高模型输入参数的质量的步骤说　明　书 1/4 页 3 CN 115496293 A 3