买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川川煤华荣能源有限责任公司

摘要：本发明涉及一种基于贝叶斯超参数优化的LightGBM回归的精煤灰分在线预测方法，目的是解决现有精煤灰分预测低效的技术问题，技术方案为：实时采集数据、数据读取与清洗、特征选择、归一化处理、利用LightGBM回归算法和贝叶斯超参数优化构建训练模型；将数据尾矿灰分预测值和精煤灰分实测值进行对比计算，得到补偿模型；使用补偿模型对有优化后的训练模型进行评估，根据评估结果进行进一步的模型调整；本发明将LightGBM模型迭代和贝叶斯超参数优化结合，从数据处理、模型进阶和算法调优三个层面提升性能，让模型可以最全面的将所有的相关数据做出提取学习并提高性能，使模型能够准确预测出不同工况下的精煤灰分，让生产人员可以及时准确的做出药剂调整。

主权项：1.一种基于贝叶斯超参数优化的LightGBM回归的精煤灰分在线预测方法，其特征在于，包括如下步骤：步骤S1、实时采集数据：在PLC上采集实时数据作为训练集：所述数据包括灰分设定值、进矿浓度、流量、充气阀门开度、清水给定、干煤泥量、捕收剂给定、起泡剂给定、柴油给定、尾矿灰分、浮选槽液位；使用AI矿浆灰分仪获取尾矿灰分预测值，并将尾矿灰分预测值作为训练集和测试集；在进矿稳定时每隔二十分钟取一次实验室化验所需的精煤灰分，在进矿不稳定时每隔五分钟取一次精煤灰分，依次编号储存并实时化验，获得的结果作为测试集；步骤S2、数据读取与清洗：将步骤S1中AI矿浆灰分仪获取的尾矿灰分预测值作为输出值，将实时采集的训练集数据作为输入值进行清洗并清理离群值；步骤S3、特征选择：对步骤S2处理所得的数据输入值进行相关性分析并排序，然后进行特征选择，选择出相关性前五名的变量来作为输入值；步骤S4、归一化处理：将步骤S3经过特征选择的数据进行归一化处理；步骤S5、构建训练模型：利用LightGBM回归算法和贝叶斯超参数优化构建训练模型；构建训练模型的的步骤具体如下：步骤S5.1、在训练开始时，对每个特征的取值范围进行离散化，形成一个直方图；步骤S5.2、所述直方图将特征的连续取值分成了多个离散的bins桶，每个bin中存储了该特征在训练集中的样本数、梯度和梯度的平方和；步骤S5.3、构建决策树：利用LightGBM回归算法直接操作特征的直方图；计算每个bin的梯度和梯度的平方和，然后根据这些统计信息来评估每个bin作为分裂点的增益；步骤S5.4、定义超参数空间：在上述架构的基础上确定并选择相应的分裂节点和参数之后，定义超参数空间，每个超参数都有一个搜索范围或取值范围；步骤S5.5、定义贝叶斯优化的目标函数：该函数的输入是超参数的组合，输出是模型在训练数据上的性能指标，这个目标函数会在每次贝叶斯优化的迭代中被调用，目的是根据给定的超参数组合，训练LightGBM模型并返回性能指标；步骤S5.6、定义好目标函数之后，在每次迭代的过程中，使用贝叶斯优化算法对LightGBM回归算法的超参数进行调优，并通过交叉验证、验证集的评估方法来验证最优超参数组合的性能；步骤S5.7、设置停止条件：当优化过程中不能再提升模型性能时，停止贝叶斯优化过程；步骤S5.8、用步骤S5.7得出的最终优化后的超参数配置来重新训练LightGBM模型；步骤S6、将步骤S1中所得的测试集数据尾矿灰分预测值和精煤灰分实测值进行对比计算，得到补偿模型；步骤S7、使用补偿模型对有优化后的训练模型进行评估；步骤S8、根据评估结果进行进一步的模型调整，当模型的评价指标R-squared达到0.9以上且不再提升时，输出结果。

全文数据：

权利要求：

百度查询： 四川川煤华荣能源有限责任公司 一种基于贝叶斯超参数优化的Light GBM回归的精煤灰分在线预测方法