随机森林和DE-ELM的烘丝机入口含水率预测
来源期刊:控制工程2020年第3期
论文作者:金发岗 王雅琳 张鹏程 陈晓方 李善莲 张炜
文章页码:532 - 539
关键词:烘丝机;入口含水率;随机森林;极限学习机;差分进化算法;
摘 要:烘丝机入口含水率是影响烟丝质量与卷烟口感的关键因素。为实现其预测并为操作优化提供依据,提出了基于随机森林和DE-ELM的烘丝机入口含水率预测方法。首先通过随机森林基于平均精确度减少的排序方法筛选特征变量,然后采用差分进化优化的极限学习机(DE-ELM)建立筛选后特征变量与烘丝机入口含水率的关系模型,进而实现烘丝机入口含水率的预测。对比神经网络(BP-NN)、支持向量机(SVM)、普通极限学习机(ELM)及随机森林等方法在相同历史生产数据集上的预测结果,所提DE-ELM预测方法使烘丝机入口含水率的预测准确率稳定在95.87%,预测标准平均误差仅为0.128%,预测效果最佳。
金发岗1,王雅琳1,张鹏程1,陈晓方1,李善莲2,张炜3
1. 中南大学自动化学院2. 中国烟草总公司郑州烟草研究院3. 福建中烟工业有限责任公司
摘 要:烘丝机入口含水率是影响烟丝质量与卷烟口感的关键因素。为实现其预测并为操作优化提供依据,提出了基于随机森林和DE-ELM的烘丝机入口含水率预测方法。首先通过随机森林基于平均精确度减少的排序方法筛选特征变量,然后采用差分进化优化的极限学习机(DE-ELM)建立筛选后特征变量与烘丝机入口含水率的关系模型,进而实现烘丝机入口含水率的预测。对比神经网络(BP-NN)、支持向量机(SVM)、普通极限学习机(ELM)及随机森林等方法在相同历史生产数据集上的预测结果,所提DE-ELM预测方法使烘丝机入口含水率的预测准确率稳定在95.87%,预测标准平均误差仅为0.128%,预测效果最佳。
关键词:烘丝机;入口含水率;随机森林;极限学习机;差分进化算法;