买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京工业大学;北京瑞太智联技术有限公司申请的专利一种基于孤立森林和加权随机森林的烟气制酸数据清洗及优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115795380B 。

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211492179.8，技术领域涉及：G06F18/2431；该发明授权一种基于孤立森林和加权随机森林的烟气制酸数据清洗及优化方法是由李晓理;刘明华;赵金元;李桂海;刘正明;王康设计研发完成，并于2022-11-25向国家知识产权局提交的专利申请。

本一种基于孤立森林和加权随机森林的烟气制酸数据清洗及优化方法在说明书摘要公布了：本发明公开了一种基于孤立森林和加权随机森林的烟气制酸数据清洗及优化方法，该方法对烟气制酸脱硫过程进行分析，结合大量的生产监测数据，采用最大信息系数分析方法对风机出口O2浓度、风机出口烟气温度、一级动力波入口压力、炉内压力、风机入口流量、转化器入口温度等工艺变量进行相关性分析，获得影响SO2转化率和硫酸产量等指标的关键变量。然后，针对关键变量，对其原始数据的变化趋势进行分析，利用孤立森林算法对数据集中的异常值、离群值进行识别并剔除，得到缺失数据集。最后，采用加权随机森林算法对缺失数据集进行拟合预测，补偿其中的缺失数据，实现对烟气制酸过程数据的清洗及优化，从而达到提升脱硫效率和硫酸产量的目的。

本发明授权一种基于孤立森林和加权随机森林的烟气制酸数据清洗及优化方法在权利要求书中公布了：1.一种基于孤立森林和加权随机森林的烟气制酸数据清洗及优化方法，其特征在于，包括以下步骤： 步骤1：烟气制酸过程监测系统在铜厂冶炼产生的烟气制取硫酸过程中，对生产过程进行实时监控和数据采集； 步骤2：基于步骤1的实时监控和数据采集，采用最大信息系数分析方法对过程变量和产能指标之间的相关性进行分析，得到影响SO2转化率和硫酸产量的关键变量，上述关键变量包括烟气流量、转化器各层入口温度、风机出口压力； 步骤3：根据步骤2获取的关键变量数据的变化趋势，设计基于孤立森林的异常数据识别模型，识别并剔除数据集中的离群值、异常值； 步骤4：建立基于加权随机森林的拟合预测模型，对缺失数据集进行拟合预测，补偿其中的缺失数据，得到有价值的数据集； 建立基于加权随机森林的缺失数据补偿模型，对缺失数据集进行拟合预测，补偿其中的缺失数据，实现对烟气制酸过程数据的优化； 传统的随机森林通过对所有回归树，即基学习器的输出结果求均值得到预测结果，影响随机森林的预测精度；加权随机森林通过对基学习器赋予不同的权重实现对基学习器的预测结果加权，提高随机森林的预测精度；加权随机森林回归采用袋外数据的预测平均绝对误差百分比MAPE作为评估指标来评价基学习器的预测能力，对其赋予权重； ，； 其中，MAPE为烟气制酸数据的随机森林回归模型袋外数据的预测平均绝对误差百分比，t为袋外数据数量，yi为烟气制酸数据真实值，fxi为随机森林回归预测值，MAPEi为第i棵回归树的预测平均绝对误差百分比，wi为第i棵回归树的权重，n为随机森林算法中回归树的数量；当MAPEi的值越大，则该学习器的预测精度越低，wi的值会相应地降低，表明该学习器对预测结果的影响变小；加权随机森林算法的具体步骤如下： 步骤1：从烟气制酸数据训练矩阵T中有放回地抽取一个子样本矩阵作为回归树的训练样本，其大小与训练矩阵大小相同； 步骤2：每个烟气制酸数据样本的特征维度为M，指定一个常数m，mM；随机地从M个特征中选取m个特征子集，每次回归树进行分裂时，从这m个特征中选择最优的； 步骤3：每棵树都尽最大程度的生长，并且没有剪枝过程，直到达到树的高度则停止生长； 步骤4：在训练第i棵回归树的时候，将袋外数据作为测试集输入该回归树中，分别计算该回归树的预测平均绝对误差百分比MAPEi和权重wi； 步骤5：重复以上步骤，完成n棵回归树的构建和训练； 最后，n棵加权回归树集成得到加权随机森林，得到最后的模型输出为： ； 其中，wi为第i棵回归树的权重，Ti为第i棵回归树的预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京工业大学;北京瑞太智联技术有限公司，其通讯地址为：100025 北京市朝阳区平乐园100号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。