基于梯度增强回归树算法的磨浆过程打浆度软测量模型

作者：孟子薇; 洪蒙纳^*; 李继庚; 满奕

来源：造纸科学与技术, 2019, 38(01): 83-88.

DOI：10.19696/j.issn1671-4571.2019.1.083

• 磨浆
• 打浆度
• 软测量
• 梯度增强回归树

基于梯度增强回归树(GBRT)的方法建立打浆度预测模型。采集实际工业环境中磨浆过程变量(如流量,纸浆浓度和磨浆机功率)和原料性质,包括原料纤维形态和浆料性质作为模型输入,所有输入变量数据来源于造纸厂。在实时数据上检验模型精度,均方误差为RMSEk=0.9948。对比支持向量机(SVM)打浆度模型,GBRT打浆度模型时间复杂度更低。

• 单位
  华南理工大学