基于支持向量和集成學習的板狀剛玉質(zhì)量預(yù)測.pdf

1、剛玉是一種耐火材料，它的生產(chǎn)目標已從提高產(chǎn)量轉(zhuǎn)移到提升質(zhì)量。已有的研究表明，機器學習方法在相近的化工領(lǐng)域的應(yīng)用效果顯著，既提高了生產(chǎn)效率又節(jié)約了實驗成本。機器學習方法能夠在剛玉生產(chǎn)領(lǐng)域幫助企業(yè)預(yù)測產(chǎn)品質(zhì)量、尋找關(guān)鍵生產(chǎn)工藝，對板狀剛玉生產(chǎn)企業(yè)具有重要應(yīng)用價值和理論指導(dǎo)意義。
　　本文提出了一種基于支持向量和集成學習的板狀剛玉質(zhì)量預(yù)測方法。首先，根據(jù)板狀剛玉的生產(chǎn)特點，利用拉格朗日插值等方法進行數(shù)據(jù)集成與清洗。使用Adaptive-

2、Lasso方法篩選用于支持向量回歸建模的特征。本文分別采用支持向量回歸、隨機森林回歸和XGBoost算法對樣本數(shù)據(jù)建立預(yù)測模型。經(jīng)過多次的模型訓(xùn)練和結(jié)果的對比與分析，選取隨機森林回歸算法作為最終的板狀剛玉生產(chǎn)建模的機器學習方法。最后對于三種算法得到的特征選擇結(jié)果加權(quán)平均，得到一個最終的特征重要度排名，從而達到獲取板狀剛玉關(guān)鍵生產(chǎn)工藝的目的。
　　實驗結(jié)果表明，本文提出的回歸方法均方差較小，基本符合實際需求。本文率先提出了對于連續(xù)型