-
题名基于特征加权集成学习的陶瓷制造能效预测方法研究
- 1
-
-
作者
马帅印
李敏
殷磊
孔宪光
王超
胥军
-
机构
西安邮电大学计算机学院
西安邮电大学陕西省网络数据分析与智能处理重点实验室
西安邮电大学西安市大数据与智能计算重点实验室
西安邮电大学陕西省“四主体一联合”
西安电子科技大学机电工程学院
惠达卫浴股份有限公司
西安电子科技大学广州研究院先进制造技术创新中心
-
出处
《计算机集成制造系统》
北大核心
2025年第10期3817-3830,共14页
-
基金
陕西省社会科学基金年度项目(2024D054)
陕西省自然科学基础研究计划资助项目(2022JQ-376)
+3 种基金
陕西省教育厅资助项目(22JK0567)
陕西省普通高等学校重点学科专项资金建设资助项目
西安邮电大学研究生创新基金资助项目(CXJJYL2022073)
中央高校基本科研业务费专项资金资助项目(XJSJ23095)。
-
文摘
陶瓷制造作为典型的高能耗制造行业,其节能降耗一直是备受关注的热点问题之一。企业可通过能效预测找到节能降耗的切入点,从而降低生产能耗和提高生产能效。通过分析生产流程中的能耗数据,建立能效预测模型,准确预测生产过程的能源消耗,并为能效优化提供支撑,以实现高能耗产业的绿色制造与可持续发展。针对上述目标,提出基于特征加权Stacking集成学习的陶瓷制造能效预测方法,首先,通过分析不同模型的预测性能和相关性,确定线性回归、极端随机树、极限梯度提升树和k-最近邻作为基学习器;然后,根据预测精度对不同基学习器进行特征加权;最后,将加权后基学习器的预测结果进行集成,使用轻量级梯度提升算法作为元模型进行预测。基于陶瓷制造数据集,对提出的方法进行验证,结果表明:特征加权Stacking集成学习模型的预测精度要显著高于传统Stacking集成学习预测模型和单一基学习器模型,证明了所提方法的有效性,为实现绿色制造与可持续发展提供理论支撑。
-
关键词
陶瓷制造
能效预测
Stacking集成学习模型
特征加权
-
Keywords
ceramic manufacturing
energy efficiency forecasting
Stacking ensemble learning model
feature weighting
-
分类号
TQ174.1
[化学工程—陶瓷工业]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
