建筑陶瓷窑炉烧成制度的数据分析方法及数据分析系统与流程

技术特征：
1.一种建筑陶瓷窑炉烧成制度的数据分析方法，其特征在于，包括以下步骤：数据获取步骤：获取每天的温度变量曲线并将曲线数字化处理获得温度数组value_range，将每天对应的温度数组value_range储存于selected_sup字典中；模型建立步骤：调用selected_sup字典中的温度数组value_range，并将所述温度数组value_range内的元素划分成训练集和测试集，其中划分到训练集内的元素为第一元素，划分到测试集内的元素为第二元素；根据所述温度变量曲线的输入和输出，将所述测试集中的第二元素划分为测试集输入变量和第一输出量；利用所述第一元素通过随机森林算法训练出随机森林模型，将测试集输入变量放入随机森林模型运算得到第一预测值，比较所述第一预测值和所述第一输出量得到每个所述第二元素的误差率，筛选出误差率最低的所述第二元素并放入最优值数组，形成最优值元素；数据预测步骤：调用selected_sup字典中的温度数组value_range，将n天内的温度数组value_range进行笛卡尔积运算，并通过所述随机森林模型进行迭代预测，更新最优值数组；其中，所述迭代预测为：每经过笛卡尔积运算得出一个组合元素，形成组合元素数组，根据所述温度变量曲线的输入和输出，将所述组合元素数组的组合元素划分为组合输入变量和第二输出量，将所述组合输入变量经过随机森林模型运算得到第二预测值，比较所述第二预测值和所述第二输出量得到组合元素的误差率，并与所述最优值数组中误差率最低的最优值元素的误差率进行比较，当该组合元素的误差率低于最优值数组中误差率最低的最优值元素的误差率时，将该组合元素放入所述最优值数组；最优预测曲线形成步骤：将所述最优值数组内的最优值元素连成最优预测曲线。2.根据权利要求1所述的一种建筑陶瓷窑炉烧成制度的数据分析方法，其特征在于，所述数据获取步骤具体为：a1：获取每天的温度变量曲线并计算每天的日平均值mean以及日方差std；a2：建立等差数列std_range，其中所述等差数列std_range＝[
‑
0.5，
‑
0.4，
‑
0.3，
‑
0.2，
‑
0.1，0，0.1，0.2，0.3，0.4，0.5]；a3：建立温度变量可选择数组rg＝mean std_range*std，所述温度变量可选择数组rg＝mean [
‑
0.5*std，
‑
0.4*std，
‑
0.3*std，
‑
0.2*std，
‑
0.1*std，0，0.1std，0.2*std，0.3*std，0.4*std，0.5std]；a4：获取所述温度变量可选择数组rg的最大值rg_max和最小值rg_min，并得出差值x＝最大值rg_max
‑
最小值rg_min；a5：建立所述温度数组value_range＝rg_min x*mean*std_range*std，并储存于selected_sup字典中。3.根据权利要求2所述的一种建筑陶瓷窑炉烧成制度的数据分析方法，其特征在于：在所述模型建立步骤中，随机抽取所述温度数组value_range内的元素形成训练集和测试集，其中，所述训练集占所述温度数组value_range中元素总数的80％，所述测试集占所述温度数组value_range中元素总数的20％。4.根据权利要求3所述的一种建筑陶瓷窑炉烧成制度的数据分析方法，其特征在于：在
所述模型建立步骤中，在所述模型建立步骤中，所述第二元素的误差率＝(第一预测值
‑
第一输出量)/第二元素；所述数据预测步骤中，所述组合元素的误差率＝(第二预测值
‑
第二输出量)/组合元素。5.根据权利要求4所述的一种建筑陶瓷窑炉烧成制度的数据分析方法，其特征在于：在数据获取步骤中，所述温度变量曲线分为优品率曲线和废品率曲线；获取每天的温度曲线，若当天的成品的优品率高于优品设定值时，将该温度曲线划分为优品率曲线，若当天的成品的废品率低于废品设定值时，将该温度曲线划分为废品率曲线；在所述最优预测曲线形成步骤中，所述最优预测曲线分为优品率最高曲线和废品率最低曲线；其中，所述优品率最高曲线根据所述优品率曲线执行所述数据获取步骤、所述模型建立步骤、所述数据预测步骤和所述最优预测曲线形成步骤后生成，所述废品率最低曲线根据所述废品率曲线执行所述数据获取步骤、所述模型建立步骤、所述数据预测步骤和所述最优预测曲线形成步骤后生成。6.一种建筑陶瓷窑炉烧成制度的数据分析系统，其特征在于：包括数据获取模块、模型建立模块、数据预测模块和最优预测曲线形成模块；所述数据获取模块用于获取每天的温度变量曲线并将曲线数字化处理获得温度数组value_range，还用于将每天对应的温度数组value_range储存于selected_sup字典中；所述模型建立模块用于调用selected_sup字典中的温度数组value_range，并将所述温度数组value_range内的元素划分成训练集和测试集，其中划分到训练集内的元素为第一元素，划分到测试集内的元素为第二元素；还用于根据所述温度变量曲线的输入和输出，将所述测试集中的第二元素划分为测试集输入变量和第一输出量；还用于利用第一元素通过随机森林算法训练出随机森林模型，还用于将所述第二元素放入所述随机森林模型运算得到第一预测值，还用于比较所述第一预测值和所述第一输出量得到每个所述第二元素的误差率，筛选出误差率最低的所述第二元素并放入最优值数组，形成最优值元素；所述数据预测模块用于调用selected_sup字典中的温度数组value_range，还用于将n天内的温度数组value_range进行笛卡尔积运算，并通过随机森林模型进行迭代预测，更新最优值数组；其中，迭代预测为：每经过笛卡尔积运算得到一个组合元素，形成组合元素数组，根据所述温度变量曲线的输入和输出，将所述组合元素数组的组合元素划分为组合输入变量和第二输出量，将所述组合输入变量经过随机森林模型运算得到第二预测值，比较所述第二预测值和所述第二输出量得到组合元素的误差率，并与所述最优值数组中误差率最低的最优值元素的误差率进行比较，当该组合元素的误差率低于最优值数组中误差率最低的最优值元素的误差率时，将该组合元素放入所述最优值数组；所述最优预测曲线形成模块用于将所述最优值数组内的最优值元素连成最优预测曲线。7.根据权利要求6所述的一种建筑陶瓷窑炉烧成制度的数据分析系统，其特征在于：所述数据获取模块具体用于获取每天的温度变量曲线并计算每天的日平均值mean以及日方差std；还用于建立等差数列std_range，其中所述等差数列std_range＝[
‑
0.5，
‑
0.4，
‑
0.3，
‑
0.2，
‑
0.1，0，0.1，0.2，0.3，0.4，0.5]；还用于建立温度变量可选择数组rg＝mean
std_range*std，所述温度变量可选择数组rg＝mean [
‑
0.5*std，
‑
0.4*std，
‑
0.3*std，
‑
0.2*std，
‑
0.1*std，0，0.1std，0.2*std，0.3*std，0.4*std，0.5std]；还用于获取温度变量可选择数组rg的最大值rg_max和最小值rg_min，并得出差值x＝最大值rg_max
‑
最小值rg_min；还用于建立所述温度数组value_range＝rg_min x*mean*std_range*std，并储存于selected_sup字典中。8.根据权利要求7所述的一种建筑陶瓷窑炉烧成制度的数据分析系统，其特征在于：所述模型建立模块用于随机抽取所述温度数组value_range内的元素形成训练集和测试集，其中，所述训练集占所述温度数组value_range中元素总数的80％，所述测试集占所述温度数组value_range中元素总数的20％。9.根据权利要求8所述的一种建筑陶瓷窑炉烧成制度的数据分析系统，其特征在于：所述模型建立模块中的第二元素的误差率＝(第一预测值
‑
第一输出量)/第二元素；所述数据预测模块中的组合元素的误差率＝(第二预测值
‑
第二输出量)/组合元素。10.根据权利要求9所述的一种建筑陶瓷窑炉烧成制度的数据分析系统，其特征在于：在所述数据获取模块中，所述温度变量曲线分为优品率曲线和废品率曲线；所述数据获取模块还用于获取每天的温度曲线，还用于若当天的成品的优品率高于优品设定值时，将该温度曲线划分为所述优品率曲线，还用于若当天的成品的废品率低于废品设定值时，将该温度曲线划分为所述废品率曲线；在所述最优预测曲线形成模块中，所述最优预测曲线分为优品率最高曲线和废品率最低曲线；所述最优预测曲线形成模块还用于根据所述优品率曲线执行所述数据获取模块、所述模型建立模块、所述数据预测模块和所述最优预测曲线形成模块后生成所述优品率最高曲线；还用于根据所述废品率曲线执行所述数据获取模块、所述模型建立模块、所述数据预测模块和所述最优预测曲线形成模块后生成所述废品率最低曲线。

技术总结
本发明公开了一种建筑陶瓷窑炉烧成制度的数据分析方法及数据分析系统，数据分析方法通过数据获取步骤、模型建立步骤、数据预测步骤和最优预测曲线形成步骤生成最优预测曲线，其中模型建立步骤为将N天内的温度数组value_range进行笛卡尔积运算，并通过所述随机森林模型进行迭代预测，更新最优值数组；数据分析系统通过数据获取模块、模型建立模块、数据预测模块和最优预测曲线形成模块生成最优预测曲线。所述建筑陶瓷窑炉烧成制度的数据分析方法及数据分析系统，通过制定最优预测曲线，解决了人工调整的使用时长久，影响烧制效率和瓷砖的产量的问题。砖的产量的问题。砖的产量的问题。


技术研发人员：白梅 陈淑琳 姚青山 聂贤勇 卢秋萍 刘伟
受保护的技术使用者：林周县众陶联供应链服务有限公司
技术研发日：2021.08.20
技术公布日：2021/11/14