一种纸厂依据废纸配比预测纸浆性能的方法

一种纸厂依据废纸配比预测纸浆性能的方法
【技术领域】
[0001] 本发明设及造纸技术领域，尤其设及一种纸厂依据废纸配比预测纸浆性能的方 法。
【背景技术】
[0002] 废纸种类的不同，其纤维种类、成分W及性能等差异很大，该也直接决定了不同种 类的废纸纸浆性能之间的差异。通常，纸厂会采购多种不同类型的废纸，W混合制浆的方法 来保证纸浆品质的要求。掌握废纸配比与纸浆性能之间的关系对于W废纸为原料的造纸企 业来说具有重要的意义，例如，提前预知粗浆塔出口处纸浆白度对于后续漂白阶段减少化 学品用量、降低生产成本具有积极的意义。目前，在实际的废纸制浆过程中，废纸配比的选 择主要凭借人工经验。该方法的缺点是完全凭借主观经验来配比，预测纸浆的性能，存在极 大的不确定性，因此导致废纸浆的性能指标波动很大，不能保证纸张成品的品质。目前，还 没有一种有效的、能够通过废纸配比来预测纸浆性能指标的定量预测方法。
[0003] 虽然与其他质量稳定的造纸原材料相比，废纸来源和品质受多方面因素的影响， 如纤维原料、制浆方法、打浆工艺、印刷加工方法、纤维循环回用次数、存放时间和存放环境 条件等等，该些因素导致了在实际生产过程中纸浆的性能指标波动频繁，该也是难W建立 纸浆性能指标与废纸配比之间机理模型的原因。但是纸厂生产过程中的历史数据已经隐含 了废纸原材料的诸多特性，因此利用数据挖掘与机器学习的方法，可W从大量数据中寻找 废纸配比与纸浆性能指标之间的关系模型，为造纸企业确定合适的废纸配比提供科学的定 量方法。

【发明内容】

[0004] 本发明的目的在于克服现有技术，仅仅依靠人工经验配比废纸用量所带来的纸浆 性能指标剧烈波动的缺陷，提供一种纸厂依据废纸配比预测纸浆性能的方法。
[0005] 本发明通过下述技术方案实现：
[0006] 一种纸厂依据废纸配比预测纸浆性能的方法，包括如下步骤：
[0007] 步骤（1);采集工厂2至3年内的废纸配比和纸浆性能检测数据，将数据集合作为 模型的建模数据库，具体包括每一组配比使用期间各废纸种类及用量比例、粗浆塔出口处 纸浆的白度、灰分、贬浆塔送浆累出口处纸浆的叩解度和抗张强度；
[0008] 步骤（2);整理数据，将每一组废纸配比和性能指标作为一组样本，对每一组样本 进行数据预处理；
[0009] 步骤（3);基于预处理后的数据，求出每一配比下所对应的各纸浆性能指标的平 均值，将该平均值作为该组废纸配比的纸浆性能指标的理论参考值的样本数据；
[0010] 步骤（4);采用支持向量机（SVM)训练步骤做中得到的样本数据，得到基于废纸 配比预测纸浆性能的模型；
[ocm] 步骤巧）；使用生产过程中积累的数据更新数据库，并重新训练模型。
[0012] 上述步骤（2)中对每一组样本进行数据预处理，具体是：首先剔除纸浆性能检测 数据表中的空值，然后采用3 0准则（拉依达准则）对数据中的不符合要求的数据进行剔 除，对采样频率大于0. 5次/小时的指标采用[y-2 0，y+2 0 ]作为数据的可信区间，对采 样频率小于0.5次/小时的指标，采用[y-30,y+30]作为可信区间。
[0013] 步骤（4)中采用支持向量机（SVM)训练步骤（3)中得到的样本数据的具体步骤 是：
[0014] (1-1)W各废纸纸种的用量比例作为模型的输入，即输入向量狂1，X2,…XJ，X康 示第i种废纸的用量比例，共n种废纸；W-个纸浆性能指标作为模型的输出Y;训练数据 样本表不为化巧；
[00巧](1-。根据支持向量机的基本思想，通过一个非线性映射〇 ;护一H将样本点映射 到高维特征空间H，将非线性转化为在高维特征空间中进行线性回归；经过推导模型的回 归估计函数：
[001引其中，a。请引入的拉格朗日乘子，它们满足条件公式似；K(x^x)是引入的 核函数；
[0019] (1-3)选择混合核函数作为支持向量机核函数：
[0020]
(3)
[002U其中；P是混合权重因子，q是多项式核函数的阶次，0 2是RBF核函数的方差；[002引（1-4)采用网格捜索法对向量机参数进行优化；优化的参数有混合权重因子P、多 项式核函数阶次q、RBF核函数的方差0 2和惩罚因子C;
[0023] 对步骤（1-4)所述采用网格捜索法对向量机参数进行优化的SVM参数训练，得到 预测模型。
[0024] 所述步骤巧），当生产过程中新的废纸配比和纸浆性能检测数据产生后，对新的数 据重复步骤（2)和步骤（3)并添加到原始样本数据集中，然后执行步骤（4)得到更新后的 预测模型。
[0025] 本发明相对于现有技术，具有如下的优点及效果：
[0026] 采用依据废纸配比预测纸浆性能的方法可W避免人工经验带来的主观预测缺陷， 从海量历史数据中提取废纸配比与纸浆性能之间的定量关系，对纸浆性能的预测提供数学 支持。
[0027] 采用本发明的方法对纸浆性能的预测精度满足实际生产过程的要求。
[002引本发明的建模数据库中可W随时增加新的生产数据，对预测模型进行更新，W增 强预测模型的适应性。
[0029] 该方法技术手段简便易行，具有模型训练和预测速度快、预测精度高、可根据生产 数据更新预测模型的优点，可W为生产工艺人员提供依据废纸配比预测纸浆性能的快速预 测工具。
【附图说明】
[0030] 图1为本发明纸厂依据废纸配比预测纸浆性能的方法流程图。
【具体实施方式】
[0031] 下面结合如图1及具体实施例对本发明作进一步具体详细描述。
[0032] 实施例
[0033] W某纸厂废纸制浆生产线上S年（2011年一2013年）的废纸配比和纸浆性能检 测数据进行建模和预测。
[0034] 见图1所示，W建立预测纸浆白度指标模型为例：
[0035] 1.采集数据建立样本数据库
[0036] 提取工厂2011-2013年废纸配比 的记录和相应时段的纸浆性能指标检测历史数 据，包括每一组配比使用期间各废纸种类及用量比例和粗浆塔出口处纸浆的白度。
[0037] 2.整理数据并进行数据预处理
[003引将每一组废纸配比和性能指标作为一组样本，对每一组样本进行数据预处理，首 先剔除纸浆性能检测数据表中的空值，然后采用3 0准则（拉依达准则）对数据中的不可 靠点进行剔除，对白度指标采用[U-20,y+20]作为数据的可信区间，使得白度的数据 量从预处理前的9393个减少到8390个。
[0039] 3.求取每一配比下检测数据的平均值
[0040] 基于预处理后的数据，求出每一配比下所对应的白度指标的平均值，该样每一配 比对应唯一的白度指标。
[0041] 4采用SVM建立模型
[0042] 采用带有混合核函数的支持向量机训练白度样本数据，得到废纸配比与纸浆白度 之间的模型。其中，混合核函数是，
[0043]
[0044] P是混合权重因子，q是多项式核函数的阶次，0 2是RBF核函数的方差。P选取 (0. 5,0. 7,0. 85,0. 95)，q选取（1，2,3)，〇2选取（2-1°，2-9, ...，29,21°)，惩罚因子C选取 护°，2^9,. ..，29, 2W)，经过组合训练，比较模型精度后，确定合适的训练参数为；P= 0. 85， q二 1，〇2二 1，C二 4。
[0045] 5预测纸浆性能并更新模型
[0046] 训练集用到130组数据，其余8组作为测试集用来检验模型的预测能力。采用平 均相对误差（MRE，MeanRelative化ror)评价预测精度；
[0047]
[0048]其中，1是测试集中的样本个数，夫为第i个样本的真实值，y,为第i个样本的预 测值。经过10次测试后得到的平均相对误差如表1所示，MRE平均为2. 42%，说明该模型 可w用于实际生产中通过合理的废纸配比来获得期望的白度指标。
[0049] 表1 ; 10次预测的平均相对误差
[00加]
[0化1] 如上所述，便可较好地实现本发明。
[0052] 本发明的实施方式并不受上述实施例的限制，其他任何未背离本发明的精神实质 与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的 保护范围之内。
【主权项】
1. 一种纸厂依据废纸配比预测纸浆性能的方法，其特征在于包括如下步骤： 步骤（1):采集工厂2至3年内的废纸配比和纸浆性能检测数据，将数据集合作为模型 的建模数据库，具体包括每一组配比使用期间各废纸种类及用量比例、粗浆塔出口处纸浆 的白度、灰分、贮浆塔送浆泵出口处纸浆的叩解度和抗张强度； 步骤（2):整理数据，将每一组废纸配比和性能指标作为一组样本，对每一组样本进行 数据预处理； 步骤（3):基于预处理后的数据，求出每一配比下所对应的各纸浆性能指标的平均值， 将该平均值作为这组废纸配比的纸浆性能指标的理论参考值的样本数据； 步骤⑷：采用支持向量机训练步骤⑶中得到的样本数据，得到基于废纸配比预测纸 浆性能的模型； 步骤（5):使用生产过程中积累的数据更新数据库，并重新训练模型。2. 根据权利要求1所述的方法，其特征在于：步骤（2)中对每一组样本进行数据预处 理，具体是：首先剔除纸浆性能检测数据表中的空值，然后采用3 〇准则对数据中不符合要 求的数据进行剔除：对于采样频率大于〇. 5次/小时的指标采用[μ -2 〇，μ +2 〇 ]作为数 据的可信区间；对于采样频率小于0. 5次/小时的指标，采用[μ-3 σ，μ+3 σ ]作为可信区 间。3. 根据权利要求1所述的方法，其特征在于：步骤（4)中采用支持向量机训练步骤（3) 中得到的样本数据的具体步骤是： (1-1)以各废纸纸种的用量比例作为模型的输入，即输入向量（X1,X2，…Xn) ,Xi表示第 i种废纸的用量比例，共η种废纸；以一个纸浆性能指标作为模型的输出Y ;训练数据样本 表不为（X，Υ); (1-2)通过一个非线性映射Φ :Rn-H将样本点映射到高维特征空间Η，将非线性转化 为在高维特征空间中进行线性回归；经过推导模型的回归估计函数：其中，Qi, a ^是引入的拉格朗日乘子，它们满足条件公式（2) ;K(Xi，x)是引入的核函 数； (1-3)选择混合核函数作为支持向量机核函数：其中：P是混合权重因子，q是多项式核函数的阶次，σ 2是RBF核函数的方差； (1-4)采用网格搜索法对向量机参数进行优化；优化的参数有混合权重因子ρ、多项式 核函数阶次q、RBF核函数的方差σ 2和惩罚因子C。4. 根据权利要求3所述的方法，其特征在于：对步骤（1-4)所述采用网格搜索法对向 量机参数进行优化的SVM参数训练，得到预测模型。5. 根据权利要求1所述的方法，其特征在于：所述步骤（5)，当生产过程中新的废纸配 比和纸浆性能检测数据产生后，对新的数据重复步骤（2)和步骤（3)并添加到原始样本数 据集中，然后执行步骤（4)得到更新后的预测模型。
【专利摘要】本发明公开了一种纸厂依据废纸配比预测纸浆性能的方法，步骤包括：(1)采集工厂一段时间内的废纸配比和纸浆性能检测数据；(2)整理数据，将每一组废纸配比和性能指标作为一组样本，对每一组样本进行数据预处理；(3)基于预处理后的数据，求出每一配比下所对应的各纸浆性能指标的平均值，将该平均值作为这组废纸配比的纸浆性能指标的理论参考值；(4)采用支持向量机训练样本数据，得到废纸配比预测纸浆性能的模型；(5)利用生产过程中积累的新数据，更新建模样本集，并重新训练模型。该方法简便易行，具有模型训练和预测速度快、预测精度高的优点，可以为造纸企业提供依据废纸配比预测纸浆性能的快速预测工具。
【IPC分类】G06Q10/04
【公开号】CN104881715
【申请号】CN201510275906
【发明人】沈文浩, 刘章
【申请人】华南理工大学
【公开日】2015年9月2日
【申请日】2015年5月26日