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！

摘要：本发明提供基于核主元成分分析和多元线性回归的生产质量预测方法，涉及数据处理领域，包括：基于预处理后的历史数据集，确定多个生产检验指标对的相关性；基于多个生产检验指标对的相关性，确定进行核主元成分分析筛选方式或多元线性回归筛选方式；当进行核主元成分分析筛选方式时，筛选关键生产变量序列，建立非线性预测模型，获取未来批次的生产数据，通过非线性预测模型基于未来批次的生产数据，预测未来批次的生产质量；当进行多元线性回归筛选方式时，筛选关键生产变量序列，基于关键生产变量序列，建立线性预测模型，通过线性预测模型基于未来批次的生产数据，预测未来批次的生产质量，具有提高生产质量预测的精度的优点。

主权项：1.基于核主元成分分析和多元线性回归的生产质量预测方法，其特征在于，包括：获取历史数据集，其中，所述历史数据集包括多个历史批次的生产数据和检验数据，历史批次的生产数据包括历史批次的物料组分和生产工艺参数，历史批次的检验数据包括历史批次的中间品检验数据和成品检验数据；对所述历史数据集进行预处理，得到预处理后的历史数据集；基于所述预处理后的历史数据集，确定多个生产检验指标对的相关性，其中，一个所述生产检验指标对包括一个生产变量和一个产品质量检测指标；基于所述多个生产检验指标对的相关性，确定关键变量筛选方式，其中，所述关键变量筛选方式为核主元成分分析筛选方式或多元线性回归筛选方式；当所述关键变量筛选方式为核主元成分分析筛选方式时，基于所述核主元成分分析筛选方式，筛选关键生产变量序列，基于关键生产变量序列，建立非线性预测模型，获取未来批次的生产数据，通过所述非线性预测模型基于所述未来批次的生产数据，预测所述未来批次的生产质量；当所述关键变量筛选方式为多元线性回归筛选方式时，基于所述多元线性回归筛选方式，筛选关键生产变量序列，基于关键生产变量序列，建立线性预测模型，通过所述线性预测模型基于所述未来批次的生产数据，预测所述未来批次的生产质量；基于所述预处理后的历史数据集，确定黄金批次；基于所述黄金批次和所述未来批次的生产质量，进行质量预警；其中，基于所述多个生产检验指标对的相关性，确定关键变量筛选方式，包括：对于每个所述生产检验指标对，计算所述生产检验指标对的相关性的绝对值，当所述生产检验指标对的相关性的绝对值小于或等于预设阈值时，将所述生产检验指标对标记为第一生产检验指标对，当所述生产检验指标对的相关性的绝对值大于预设阈值时，将所述生产检验指标对标记为第二生产检验指标对；当所述第一生产检验指标对的数量大于第二生产检验指标对的数量时，所述关键变量筛选方式为核主元成分分析筛选方式；当所述第一生产检验指标对的数量小于或等于第二生产检验指标对的数量时，所述关键变量筛选方式为多元线性回归筛选方式；基于所述核主元成分分析筛选方式，筛选关键生产变量序列，包括：选择目标核函数；基于所述目标核函数和所述预处理后的历史数据集，计算核矩阵；基于所述核矩阵，计算中心化核矩阵；对所述中心化核矩阵进行特征值分解，得到特征值；基于所述特征值，筛选所述关键生产变量序列；基于所述特征值，筛选关键生产变量序列，包括：计算单个主元方差贡献率；基于累计方差贡献率法和单个主元方差贡献率，确定主元个数；基于主元个数和所述特征值，筛选所述关键生产变量序列；基于所述多元线性回归筛选方式，筛选关键生产变量序列，包括：对于每个所述产品质量检测指标，构建所述产品质量检测指标对应的多元线性回归方程；基于最小二乘法计算回归系数矩阵，其中，所述回归系数矩阵包括每个所述多元线性回归方程的回归系数；对于每个所述生产变量，基于每个所述产品质量检测指标对应的多元线性回归方程的回归系数，计算所述生产变量对应的回归系数绝对值之和；基于每个所述生产变量对应的回归系数绝对值之和，计算回归系数绝对值之和均值；对于每个所述生产变量，基于所述生产变量对应的回归系数绝对值之和以及每个所述生产变量对应的回归系数绝对值之和，计算所述生产变量对应的指标权重，基于回归系数绝对值之和均值以及每个所述生产变量对应的回归系数绝对值之和，计算指标权重均值；基于每个所述生产变量对应的指标权重以及指标权重均值，筛选关键生产变量序列；基于每个所述生产变量对应的指标权重以及指标权重均值，筛选关键生产变量序列，包括：S21、按照多个生产变量的回归系数绝对值之和从小到大进行排序，形成生产变量序列X0；S22、对多个生产变量的回归系数绝对值之和求平均值，得到平均值，其中，为第i个生产变量对应的回归系数绝对值之和，n为生产变量的总数；S23、针对生产变量序列X0，计算每个生产变量的第一筛选参数，计算平均值对应的第二筛选参数；S24、按照生产变量序列X0中元素的排列顺序，从生产变量序列X0中依次读取生产变量，判断当前读取的生产变量的第一筛选参数是否大于平均值，若当前读取的生产变量的第一筛选参数小于或等于平均值，则排列顺序从生产变量序列X0中读取下一个生成变量，若当前读取的生产变量的第一筛选参数大于第二筛选参数，判断当前读取的生产变量的排序位置i是否大于，如果是，则对取整，作为目标排序位置k，否则，将当前读取的生产变量的排序位置i作为目标排序位置k；S25、在生产变量序列X0中选择第k个排序位置到第n个排序位置的生产变量组成关键变量序列X1：，其中，为生产变量序列X0中第k个排序位置的生产变量，为生产变量序列X0中第k+1个排序位置的生产变量，为生产变量序列X0中第n个排序位置的生产变量。

全文数据：

权利要求：

百度查询： 佰墨思(成都)数字技术有限公司 基于核主元成分分析和多元线性回归的生产质量预测方法