基于贝叶斯优化XGBoost的石灰窑气预测

摘要

石灰窑是碳酸钙产业的关键生产设备，窑气中的CO_2是生产碳酸钙的原料，CO_2浓度直接影响碳酸钙产量，然而石灰窑气浓度依靠产品产出后采样化验得到，存在严重的滞后性，无法作为石灰窑在线工艺参数调整的依据。因此提出一种基于贝叶斯优化的eXtreme Gradient Boosting石灰窑气浓度预测模型BO-XGBoost,根据历史数据预测1 h后的窑气浓度，为生产工艺参数的调整提供依据。该方法首先对石灰窑传感器数据集中的缺失值、异常值进行剔除、插补，然后统一窑气浓度检测历史数据的时间尺度，构成石灰窑气监测数据集，在此基础上提出针对石灰窑气的BO-XGBoost模型。模型经训练后，采用实际生产数据进行测试，并与Light Gradient Boosting Machine(LightGBM)模型、Category Boosting(Catboost)模型预测结果进行比较，结果表明，所提模型可以实现高维数据集的超参数快速优化，且预测模型有较好的精度，均方根误差(RMSE)达到0.70,平均绝对百分比误差(MAPE)达到2.03%。

关键词

石灰窑 / 石灰窑气 / XGBoost模型 / 贝叶斯优化