CN102049420A - 基于决策树的精轧温控过程关键特征变量提取方法 - Google Patents

Abstract

本发明涉及一种基于决策树的精轧温控过程关键特征变量提取方法。该方法首先对精轧过程数据进行预处理，将以带钢号为索引的过程数据转化为以精轧终轧温度为目标属性的决策属性向量，并对精轧终轧温度进行非线性离散化；然后用决策树方法，计算每个离散或连续值决策属性的信息增益率；最后根据信息增益率判定各个属性对精轧终轧温度影响的大小，并对决策属性向量按照增益率的值重新排序，再结合精轧工艺机理和模型精度要求，提取对精轧终轧温度有决定性影响的关键特征变量。该方法可以根据实际现场过程数据，判定对精轧终轧温度有决定性影响作用的关键变量，为建立终轧温度预报模型和修正精轧温度工艺模型奠定基础。

Description

基于决策树的精轧温控过程关键特征变量提取方法

技术领域

本发明涉及带钢热连轧精轧终轧温度模型建立过程中的关键特征变量提取方法，特别涉及基于决策树的精轧温控过程关键特征变量提取方法。

背景技术

在热轧带钢生产中，精轧机组终轧温度的控制精度对最终产品的组织性能有直接影响。精轧带钢全长终轧温度控制一直是热轧生产中的重要研究课题，也是难点之一。第一，影响精轧终轧温度的过程变量众多；第二，精轧区内有效测温点少，只有粗轧出口和精轧出口的两个点测温条件最可靠；第三，原有的温度相关工艺模型精度有限，达不到实时控制的要求；第四，用来控制全长终轧温度的常用手段包括控制带钢运行加速度和机架间喷淋的水量和水压，它们对终轧温度的影响都有很大的滞后，很难用常规的无模型控制方法实现有效控制。

综合分析以上问题，可以得出结论，建立可靠的终轧温度控制模型是对精轧终轧温度进行有效控制的前提。建立有效的温度模型，就可以克服精轧生产线缺少有效测温点的困难，也可以弥补原有工艺模型精度低不能用于实时控制的缺点，更可以进行有效的温度预报，从而解决水量和速度对温度的控制滞后问题。而建立可靠的终轧温度控制模型的前提，就是从众多的精轧过程变量中提取出对精轧终轧温度有决定性影响的若干关键特征变量。为建立终轧温度预报模型和修正精轧温度工艺模型奠定基础。

发明内容

基于以上原因，本专利提出一种基于决策树的精轧温控过程关键特征变量提取方法。这种方法能从精轧海量过程数据中，最终提取到精轧温控过程中的具有决定性作用的关键特征变量，为建立终轧温度预报模型和修正精轧温度工艺模型奠定基础。

本发明的基于决策树的精轧温控过程关键特征变量提取方法，包括如下步骤：

a)对精轧过程数据进行预处理，将以带钢号为索引的过程数据转化为以精轧温度为目标属性的决策属性向量；

b)对精轧终轧温度进行非线性离散化；

c)计算以精轧终轧温度为目标属性的决策属性向量中每个离散或连续值决策属性的信息增益率，生成以精轧终轧温度为目标属性的决策树；

d)根据信息增益率判定各个离散或连续值决策属性对精轧终轧温度影响的大小，并按照决策树的结点顺序对决策属性向量重新排序；

e)提取影响精轧终轧温度的关键特征变量。

所述步骤a)对精轧过程数据进行预处理，包括去噪和数据整理。

从现场采集的海量过程数据，是按带钢号索引并由几百个字段数据组成。首先，数据采集过程中必然有一些偶然因素，所以要把超限幅噪声数据滤掉，避免它们给信息熵和信息增益率的计算带来不利影响；其次，过程数据的索引排列形式也不符合对终轧温度进行决策的物理意义要求，因此要对数据进行去噪和整理。

所述的去噪为：首先根据工艺和设备条件给出精轧过程数据的各个字段值的上下限幅值，然后按照限幅值对相应字段的所有数据，用限幅滤波法滤掉所有的该字段数据超过限幅值的过程数据向量。在给出精轧过程数据的各个字段值的上下限幅值时需要按照精轧工艺和设备情况进行确定。

所述的数据整理是将精轧过程数据的所有索引变量去掉，再将一条带钢的一个分段号对应的所有数据整理为一个数据向量，然后以精轧终轧温度为目标属性，将数据向量中的各个数据字段对应作为向量的各个决策属性，从而将过程数据转化为以精轧终轧温度为目标属性的决策属性向量。

由带钢号索引的精轧过程数据是按照带钢号、带钢分段号和机架号分别采集的。具体的过程数据分类形式为：

数据系列1：{带钢号，字段₁₁，字段₁₂，字段₁₃，......}

数据系列2：{带钢号，字段₂₁，字段₂₂，字段₂₃，......}

数据系列3：{带钢号，分段号i，字段_3i1，字段_3i2，......}

数据系列4：{带钢号，分段号i，机架号j，字段_4ij1，字段_4ij2，......}

其中，i∈{1，2，3}，是带钢分段的索引号；

j∈{1，2，...，7}，是精轧机架的索引号；

举例说明字段下标含义：“字段₁₂”表示一条带钢的第1个数据系列的第2个字段，“字段₂₂”表示同一带钢的第2个数据系列的第2个字段，“字段_3i2”表示同一带钢的第3个数据系列的对应第i个带钢分段的第2个字段，“字段_4ij2”表示同一带钢的第4个数据系列的对应第i个带钢分段的、第j个机架的第2个字段。

这种过程数据组合形式，不符合温控过程建模的物理意义，因此需要重新整理，去掉所有索引变量，包括带钢号、段号、和机架号，将一条带钢的某一分段号对应的所有数据整理为一个数据向量，以终轧温度为目标属性，数据向量中的各个数据字段对应作为向量的各个决策属性，从而将过程数据转化为以精轧温度为目标属性的决策属性向量。

整理之后，对应某一条带钢的第i个分段的属性数据向量形式为：

其中，目标属性是该带钢的第i个分段的精轧终轧温度。

大括号内的所有字段构成与目标属性相对应的属性向量，各字段对应为各个决策属性。

通过以上方法，可以把现场采集的过程数据向量，转化为用于构造决策树的决策属性向量。

所述步骤b)对精轧终轧温度进行非线性离散化，是以精轧终轧目标温度为中心将精轧终轧温度定义为对称分布的五个区域，五个区域对应目标属性的五个离散值。

由于决策树生成过程中，需要对目标属性值离散分类，才能进行信息熵和信息增益率的计算，因此需要对精轧终轧温度进行非线性离散化。

根据精轧过程的工艺特点和实际过程数据中终轧温度的实际分布情况，定义以精轧终轧目标温度为中心的对称分布的五个区域，从而实现作为目标属性终轧温度的非线性离散化。具体离散化方式可见图1。

其中，T₀是终轧目标温度，a是温度变化量，其大小根据精轧工艺具体确定。以目标温度T₀为中心，对称分布的五个区域被划分为：

表1目标属性的非线性离散化

Best，PB，NB，PW，NW也分别对应目标属性的五个离散值。

所述步骤c)的具体步骤如下：对未成为决策结点的所有决策属性进行如下操作，

1)对连续值决策属性进行离散分割；

2)对离散属性和离散分割后的连续值决策属性进行信息增益和信息增益率的计算；

3)对比所有决策属性的信息增益率值，取信息增益率最大的属性作为决策树当前的决策结点。

4)反复执行1)-3)步骤，直至所有决策属性被遍历，生成决策树。

所述对连续值决策属性进行离散分割的方法为：

找出连续值决策属性的取值范围[a，b]，在区间[a，b]内插入n个数值a_i(i＝1，2，L，n)，将[a，b]等分为n+1个小区间；

比较用a_i(i＝1，2，L，n)划分连续值决策属性[a，b]的信息增益率，找出具有最大信息增益率的分割点a_i，用a_i作为离散分割阈值，将连续值决策属性离散化。

所述用a_i划分连续值决策属性，计算信息增益率的方法为：

A、设某连续值决策属性为A；

B、设全部决策属性数据向量构成的集合为S，集合中的数据向量按照目标属性划分为五个类，五个类为Best，PB，NB，PW，NW，S相对于这5个类的信息熵为：

$I\left(S\right)=\underset{i=1}{\overset{5}{\mathrm{\Σ}}}-p_i{\log }_2{p}_i$

其中，p_i(i＝1，...，5)是集合S中目标属性取为{Best，PB，NB，PW，NW}中的各个离散值的概率；

C、对于某个连续值决策属性A，a_i把其取值范围[a，b]划分为2类，分别是：S₁(a，a_i])和S₂([a_i，b])。此时，连续值决策属性A相对于集合S的信息增益为：

$G(S,A)=I\left(S\right)-\underset{v=1}{\overset{2}{\mathrm{\Σ}}}\frac{\left|S_v\right|}{\left|S\right|}I\left(S_v\right)---\left(2\right)$

其中，I(S_v)是集合S_v相对五个分类的信息熵，计算方式与I(S)相同；

D、集合S相对于连续值决策属性A的分类的信息熵为：

$I(S,A)=\underset{v=1}{\overset{2}{\mathrm{\Σ}}}-p_v{\log }_2{p}_v---\left(3\right)$

其中，p_v(v＝1，2)是集合S中元素属于S_v的概率；

E、连续值决策属性A相对于集合S的信息增益率为：

$\mathrm{GR}\left(A\right)=\frac{G(S,A)}{I(S,A)}---\left(4\right)$

所述2)步骤中进行信息增益和信息增益率的计算，计算方法与用a_i划分连续值决策属性，计算信息增益率的方法相同。

所述步骤d)具体为：根据c步骤决策树生成过程中计算的每个决策属性信息增益率的大小，判断该属性字段对应的特征变量对终轧温度影响的大小，并按照决策树中的结点排序对所有属性字段排序，生成新的以精轧终轧温度为目标属性的属性向量。从决策树上层结点开始，从上至下选择结点。

如图2，对应结点1的决策属性就索引为字段1，对应结点2的决策属性就索引为字段2，依此类推。

本步骤中将步骤a)中得到的属性向量重新排序，如果有决策属性在不同结点重复出现的情况，则只在第一次出现的时候提取该属性，后续的都不予提取。按照以上操作，可以得到与步骤a)中属性向量的属性的种类和个数相同，但排列顺序不同的新的属性向量：

所述步骤e)提取影响精轧终轧温度的关键特征变量，根据温度预报精度要求，提取d)步骤中获得的新的属性向量中的前面若干个属性作为精轧终轧温度的关键特征变量，并结合精轧实际工艺特点进行筛选和调整。

根据海量精轧过程数据，用衡量各个属性变量信息熵和信息增益率的方法，建立决策树，并按照决策树中决策结点的排序，判定各个属性变量的对目标变量影响的大小，这一方法是从海量数据中提取信息。从数据中提取的信息有两个方面的特点：第一，能够在很大程度上验证生产工艺的本质；第二，决策树反应的是目标属性和决策属性之间的相关性大小，但不是因果关系。第三，关系反应现场的具体的现场工况。提取的关键特征变量的目标是搜索目标变量的因变量，另外实际现场工况不可能是一成不变的，所以在实际关键特征变量提取的过程中，不能完全依赖从数据中提取的信息。

从前向后，从属性向量(形式见公式5)中逐一提取属性字段，并根据实际精轧工艺予以确认，确认有效后方能作为关键特征变量。所提取属性字段的数量，也即关键特征变量的个数，主要由控制模型的精度决定。实际应用过程中，并不是关键变量越多模型精度越高，一般取3～10个关键变量为宜。可以在控制模型中的添加偏差项，来弥补忽略其它因素带来的影响。

本专利的基于决策树的精轧温控过程关键特征变量提取方法。对精轧海量过程数据进行去噪和整理，通过计算过程数据所包含的信息熵，比较各个属性即过程变量的信息增益率，确定对终轧温度有决定性影响的关键变量。也就是，从精轧海量过程数据中，根据各个变量提出有效知识信息，这些信息可以反映精轧的工艺本质，就是关键特征变量与目标变量终轧温度之间的关系；也可以反映实时过程中存在的特殊现象和问题。为建立终轧温度预报模型和修正精轧温度工艺模型奠定基础。

附图说明

图1是本发明的目标属性非线性离散化图；

图2是决策树结点排序示意图；

图3是本发明实施例或的部分决策树图。

具体实施方式

以下列举三条带钢的四个系列数据中的少数字段数据。它们的带钢号为分别为9232000400、9232000500和9232000600。

已知三条带钢的终轧目标温度均为880℃，它们的各段实际终轧温度见表2。

三条钢带的精轧过程数据如表3～6。

表2三条带钢的三段终轧温度

表3三条带钢的数据系列1

表4三条带钢的数据系列2

表5三条带钢的数据系列3

表6三条带钢的数据系列4

首先进行a)步骤对上述海量精轧过程数据进行预处理，包括去噪和数据整理。

遍历四个系列的数据字段，如果系列1或2中有离散属性值或连续属性值超出设置范围或工艺实际，就需要将超限值所属的带钢数据全部除去；如果系列3或4中有离散属性值或连续属性值超限，则需将超限值所属的带钢分段数据全部除去。在去噪完成后，将精轧过程数据的所有索引变量去掉，再将一条带钢的一个分段号对应的所有数据整理为一个数据向量，然后以精轧终轧温度为目标属性，将数据向量中的各个数据字段对应作为向量的各个决策属性，从而将过程数据转化为以精轧终轧温度为目标属性的决策属性向量。表7为带钢9232000400第二分段号的决策属性向量，由于宽度有限，所以分四行给出了所有决策属性。另外，表7给出了对应于带钢9232000400的第二个分段的决策属性的数据值，以及各属性在过程数据中的字段编号。

表7带钢9232000400的第二个分段号的决策属性向量

步骤b)，对精轧终轧温度进行非线性离散化。已知T₀＝880℃，设a＝5，按照表1中的判定方法，可得三条带钢的各个分段的终轧温度离散值，见表2中的最后一列。

步骤c)，计算每个精轧数据向量中离散或连续值决策属性的信息增益率，并生成以精轧终轧温度为目标属性的决策树。建立决策树需要较多的数据，因此选用实际精轧过程中的499条带钢数据(上述3条带钢的数据也包含在内)，同时为简化决策树，仅采用表3～6中相同的字段进行计算。

1)对连续值决策属性进行离散分割。具体方法是：找出连续值决策属性的取值范围[a，b]，在区间[a，b]内插入n个数值a_i(i＝1，2，L，n)，将[a，b]等分为n+1个小区间；比较用a_i(i＝1，2，L，n)划分[a，b]的信息增益率，找出具有最大信息增益率的分割点a_i，用a_i作为离散分割阈值，将连续值变量离散化。

用a_i划分连续值决策属性，计算信息增益率的方法为：

A、设某连续值决策属性为A；

B、设全部决策属性数据向量构成的集合为S，集合中的数据向量按照目标属性(终轧温度)划分为五个类(Best，PB，NB，PW，NW)，S相对于这5个分类的信息熵为：

$I\left(S\right)=\underset{i=1}{\overset{5}{\mathrm{\Σ}}}-p_i{\log }_2{p}_i$

其中，p_i(i＝1，...，5)是集合S中目标属性取为{Best，PB，NB，PW，NW}中的各个离散值的概率。

C、对于某个连续值决策属性A，a_i把其取值范围[a，b]划分为2类，分别是：S₁([a，a_i])和S₂([a_i，b])。此时，属性A相对于集合S的信息增益为：

$G(S,A)=I\left(S\right)-\underset{v=1}{\overset{2}{\mathrm{\Σ}}}\frac{\left|S_v\right|}{\left|S\right|}I\left(S_v\right)---\left(2\right)$

其中，I(S_v)是集合S_v相对五个分类的信息熵，计算方式与I(S)相同。

D、集合S相对于属性A的分类的信息熵为：

$I(S,A)=\underset{v=1}{\overset{2}{\mathrm{\Σ}}}-p_v{\log }_2{p}_v---\left(3\right)$

其中，p_v(v＝1，2)是集合S中元素属于S_v的概率。

E、属性A相对于集合S的信息增益率为：

$\mathrm{GR}\left(A\right)=\frac{G(S,A)}{I(S,A)}---\left(4\right)$

计算所有a_i(i＝1，2，L，n)划分[a，b]的信息增益率，找出具有最大信息增益率的分割点a_i，用a_i作为离散分割阈值，将连续值变量离散化。

2)对所有候选的离散属性和离散分割后的连续属性进行信息增益和信息增益率的计算。所使用计算方法与步骤i中用a_i划分连续值决策属性时，计算属性A的信息增益率的步骤完全相同。

3)最后对比各候选属性的信息增益率值，取增益率最大的属性作为决策树当前的决策结点。

反复执行以上的步骤1)-3)，直至所有属性被遍历，即可生成决策树，图2是所得决策树的开始部分。图3是根据精轧过程实际数据获得的部分决策树。

步骤d)，根据信息增益率判定各个属性与目标属性的相关程度，并对属性向量按照决策树中的结点顺序重新排序。

在图3中，按顺序从上至下，从左到右，遍历所有结点和决策属性。按照结点的排列顺序，可将表7中的决策属性向量重新排序，得到新的决策属性向量。按照图3只能得到这个决策属性的前半部分：

{RM_THICK，RM_TEMP，FORCE1，FORCE4，MODE_SCALE，......}

步骤e)，根据温度预报精度要求并结合精轧工艺特点，提取影响精轧终轧温度的关键特征变量。

在新的决策属性向量中，从前向后，分析整个决策属性向量。首先，RM_Thick(粗轧厚度)和RM_Temp(粗轧温度)这两个决策属性对终轧温度影响最大，这与精轧工艺机理是非常一致的。因此这两个变量自然被选作关键特征变量。其次，有两个决策属性，Force1(机架1的轧制力)和Force4(机架4的轧制力)，这两个属性变量与终轧温度具有很强的相关性，但因果关系不明确，所以暂时不作为关键特征变量。另外一个，还有一个Mode_Scale(除磷模式)对终轧温度也有十分明确的影响，因此也可以被选作关键特征变量。要说明的是Mode_Scale是一个离散状态变量，它不能直接作为模型参数，但对模型中的换热相关参数有决定性影响。

综上，通过本例的实施，可得到关键特征变量包括：RM_Thick，RM_Temp和Mode_Scale。在实际应用中，可以得到更多的关键特征变量。

Claims (10)

1.基于决策树的精轧温控过程关键特征变量提取方法，其特征在于包括如下步骤：

a)对精轧过程数据进行预处理，将以带钢号为索引的过程数据转化为以精轧温度为目标属性的决策属性向量；

b)对精轧终轧温度进行非线性离散化；

c)计算以精轧终轧温度为目标属性的决策属性向量中每个离散或连续值决策属性的信息增益率，生成以精轧终轧温度为目标属性的决策树；

d)根据信息增益率判定各个离散或连续值决策属性对精轧终轧温度影响的大小，并按照决策树的结点顺序对决策属性向量重新排序；

e)提取影响精轧终轧温度的关键特征变量。

2.根据权利要求1所述的基于决策树的精轧温控过程关键特征变量提取方法，其特征在于所述步骤a)对精轧过程数据进行预处理，包括去噪和数据整理。

3.根据权利要求2所述的基于决策树的精轧温控过程关键特征变量提取方法，其特征在于所述的去噪为：首先根据工艺和设备条件给出精轧过程数据的各个字段值的上下限幅值，然后按照限幅值对相应字段的所有数据，用限幅滤波法滤掉所有的该字段数据超过限幅值的过程数据向量；所述数据整理是将精轧过程数据的所有索引变量去掉，再将一条带钢的一个分段号对应的所有数据整理为一个数据向量，然后以精轧终轧温度为目标属性，将数据向量中的各个数据字段对应作为向量的各个决策属性，从而将过程数据转化为以精轧终轧温度为目标属性的决策属性向量。

4.根据权利要求1所述的基于决策树的精轧温控过程关键特征变量提取方法，其特征在于所述步骤b)对精轧终轧温度进行非线性离散化，是以精轧终轧目标温度为中心将精轧终轧温度定义为对称分布的五个区域，五个区域分别对应目标属性的五个离散值。

5.根据权利要求1所述的基于决策树的精轧温控过程关键特征变量提取方法，其特征在于所述步骤c)的具体步骤如下：对未成为决策结点的所有决策属性进行如下操作，

1)对连续值决策属性进行离散分割；

2)对离散决策属性和离散分割后的连续值决策属性进行信息增益和信息增益率的计算；

3)对比所有决策属性的信息增益率值，取信息增益率最大的属性作为决策树当前的决策结点。

4)反复执行1)-3)步骤，直至所有决策属性被遍历，生成决策树。

6.根据权利要求5所述的基于决策树的精轧温控过程关键特征变量提取方法，其特征在于所述对连续值决策属性进行离散分割的方法为：

找出连续值决策属性的取值范围[a，b]，在区间[a，b]内插入n个数值a_i(i＝1，2，L，n)，将[a，b]等分为n+1个小区间；

比较用a_i(i＝1，2，L，n)划分连续值决策属性[a，b]的信息增益率，找出具有最大信息增益率的分割点a_i，用a_i作为离散分割阈值，将连续值决策属性离散化。

7.根据权利要求6所述的基于决策树的精轧温控过程关键特征变量提取方法，其特征在于所述用a_i划分连续值决策属性，计算信息增益率的方法为：

A、设某连续值决策属性为A；

B、设全部决策属性向量构成的集合为S，集合中的数据向量按照目标属性划分为五个类，S相对于这5个类的信息熵为：

$I\left(S\right)=\underset{i=1}{\overset{5}{\mathrm{\Σ}}}-p_i{\log }_2{p}_i$

其中，p_i(i＝1，...，5)是集合S中目标属性取为{Best，PB，NB，PW，NW}中的某个离散值的概率；

C、对于某个连续值决策属性A，a_i把其取值范围[a，b]划分为2类，分别是：S₁([a，a_i])和S₂([a_i，b])。此时，连续值决策属性A相对于集合S的信息增益为：

$G(S,A)=I\left(S\right)-\underset{v=1}{\overset{2}{\mathrm{\Σ}}}\frac{\left|S_v\right|}{\left|S\right|}I\left(S_v\right)$

其中，I(S_v)是集合S_v相对五个分类的信息熵，计算方式与I(S)相同；

D、集合S相对于连续值决策属性A的分类的信息熵为：

$I(S,A)=\underset{v=1}{\overset{2}{\mathrm{\Σ}}}-p_v{\log }_2{p}_v$

其中，p_v(v＝1，2)是集合S中元素属于S_v的概率；

E、连续值决策属性A相对于集合S的信息增益率为：

$\mathrm{GR}\left(A\right)=\frac{G(S,A)}{I(S,A)}$

8.根据权利要求7所述的基于决策树的精轧温控过程关键特征变量提取方法，其特征在于所述2)步骤中进行信息增益和信息增益率的计算，计算方法与用a_i划分连续值决策属性，计算信息增益率的方法相同。

9.根据权利要求1所述的基于决策树的精轧温控过程关键特征变量提取方法，其特征在于所述步骤d)具体为：根据c步骤决策树生成过程中计算的每个决策属性信息增益率的大小，判断该属性字段对应的特征变量对终轧温度影响的大小，并按照决策树中的结点排序对所有属性字段排序，生成新的以精轧终轧温度为目标属性的属性向量。

10.根据权利要求1所述的基于决策树的精轧温控过程关键特征变量提取方法，其特征在于所述步骤e)提取影响精轧终轧温度的关键特征变量，根据温度预报精度要求，提取d)步骤中获得的新的属性向量中的前面若干个属性作为精轧终轧温度的关键特征变量，并结合精轧实际工艺特点进行筛选和调整。

Images