(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111482041.5 (22)申请日 2021.12.07 (71)申请人 中国计量大 学 地址 310018 浙江省杭州市江干区下沙高 教园区学源街258号中国计量大学机 电工程学院 (72)发明人 黄程卓　孙卫红　邵铁锋　 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 3/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/04(2012.01) G06Q 50/04(2012.01) (54)发明名称 一种基于LSSA-LSSVM的蚕茧真空水浴工艺 设计解舒率预测模型构建方法 (57)摘要 本发明公开了一种基于LSSA ‑LSSVM的蚕茧 真空水浴工艺设计解舒率预测模 型构建方法， 具 体包括以下步骤： 获取蚕茧真空水浴工艺解舒数 据集后归一化处理， 并划分为训练样本集和测试 样本集； 设定LSSV M初始参数并建立LSSV M初始模 型， 利用所述LSSVM初始模型对所述训练样本集 进行训练预测； 采用改进的麻雀 搜索算法LSSA对 上述预测结果进行参数优化， 得到最优超参数组 (γ*,σ2*)， 从而建立基于LSSA ‑LSSVM的蚕茧真 空水浴工艺 设计解舒率预测模型； 测试样本集进 行预测测试， 衡量LSSA ‑LSSVM的蚕茧真 空水浴工 艺设计解舒率预测模型对解舒率的预测效果。 本 发明具有参数寻优能力强， 预测时间短且预测精 度高等优点， 为相关工艺设计人员调整和优化蚕 茧真空水浴工艺 参数提供了参 考。 权利要求书3页 说明书7页 附图3页 CN 114154268 A 2022.03.08 CN 114154268 A 1.一种基于LSSA ‑LSSVM的蚕茧真空水浴工艺设计解舒率预测模型构建方法， 其特征在 于， 包括以下步骤： S1： 获取蚕茧真空水浴工艺解舒数据集D＝(X,Y)， 所述蚕茧真空水浴工艺解舒数据集 包括茧质定量特性、 真空水浴工艺设计数据及蚕茧解 舒率； S2： 将所述蚕茧真空水浴工艺解舒数据集D＝(X,Y)进行标准化数据处理， 将所述蚕茧 真空水浴工艺解舒数据集按 7:3的比例随机划分为用于构建解舒率预测模型的训练样 本集 N与用来验证模型 预测效果的测试样本集M； S3:设定LSSVM初始参数并建立蚕茧真空水浴工艺设计解舒率LSSVM初始模型， 利用所 述蚕茧真空水浴工艺设计解 舒率LSSVM初始模型对所述训练样本集 N进行预测； S4： 采用改进 的麻雀搜索算法LSSA对训练样本集预测结果进行参数优化， 得到最优超 参数组(γ*, σ2*)， 从而建立基于LS SA‑LSSVM的蚕茧真空水浴工艺设计解 舒率预测模型； S5:进行测试样本集M预测测试， 得到工艺参数组合设计的解舒率预测值， 衡量基于 LSSA‑LSSVM的蚕茧真空水浴工艺设计解舒率预测模 型对蚕茧解舒率的预测效果。 采用决定 系数(R2)、 均方根误差(RMSE)、 平均相对误差绝对值(MAPE)、 平均绝对误差(MAE)作为模型 性能评价指标， 各指标计算公式分别如下： 其中， yreal即每个测试样本的真实解舒率， y ’predict为yreal的均值， ypredict为每个测试样 本对应的解 舒率预测值， M为测试集样本的个数。 2.根据权利 要求1所述的一种基于LSSA ‑LSSVM的蚕茧真空水浴工艺设计解舒率预测模 型构建方法， 其特征在于， 所述步骤S1中所述茧质定量 特性包括茧层硬度X1、 茧层率X2、 上车 茧率X3、 次茧率X4， 所述真空水浴工艺设计数据包括真空渗透真空度X5、 真空渗透过程时间 X6、 低温渗透真空度X7、 低温渗透温度X8， 低温渗透过程时间X9、 蒸汽渗透温度X10、 蒸汽渗透 过程时间X11、 高温水煮温度X12、 高温水煮过程时间X13、 降温出茧温度X14、 出水温度X15， 所述 茧质定量特性、 真空水浴工艺设计数据作为LSSVM模型输入变量X＝[X1,X2,…， X15]， 蚕茧解 舒率Y＝[Y1]作为输出 预测变量。 3.根据权利 要求1所述的一种基于LSSA ‑LSSVM的蚕茧真空水浴工艺设计解舒率预测模 型构建方法， 其特 征在于， 所述 步骤S2中标准 化数据处 理采用归一 化处理， 其公式为： 权　利　要　求　书 1/3 页 2 CN 114154268 A 2其中， x’,y’表示归一化后的数据值， X、 Y表示数据初始值， Xmax和Xmin表示X中各特征数 据的最大值与最小值,Ymax和Ymin分别为Y中Y1的最大值与最小值。 4.根据权利 要求1所述的一种基于LSSA ‑LSSVM的蚕茧真空水浴工艺设计解舒率预测模 型构建方法， 其特征在于， 所述步骤S 3中选用径向基神经网络RBF作为最小二乘支持向量机 预测模型的核函数， 蚕茧真空水浴工艺设计解 舒率LSSVM初始模型为： 其中， αn表示拉格朗日乘子， b表示偏差补偿， RBF(X,xn)为径向基函数， σ2是核函数宽 度， X表示训练样本N中的输入变量。 5.根据权利 要求1所述的一种基于LSSA ‑LSSVM的蚕茧真空水浴工艺设计解舒率预测模 型构建方法， 其特 征在于， 所述 步骤S4中具体包括以下步骤： S4.1:确定麻雀种群规模T， 迭代次数Maxiter， 探索者比例PD， 侦查者比例SD， 安全阈值 ST， 目标解维度Dim， 惩罚系数γ与核函数参数σ 各 自的控制范围[lb,ub]。 假设候选解为麻 雀， 初始化麻雀种群位置， 其公式为: Xi＝(xi1,xi2,…xid,)1≤i≤T,1≤d≤Dim xid＝rand×(ub‑lb)+lb 其中， rand为均匀分布在[0,1]中的随机数， xid∈[lb,ub]， ub和lb是搜索空间的上下 限。 S4.2:选取反映LS SVM预测性能的均方误差 MSE作为适应度函数如式: 式中： N—训练样本数目； yn—真实解舒率值； ypredict—预测解舒率值； f—适应度函数 值； 将麻雀种群个体代入适应度函数， 计算出各个麻雀位置的适应度值并按升序排列， 记 录当前最优值与最差值； S4.3:依次进行探索者、 追随者、 侦查 者的位置更新， 计算 适应度值更新 最优麻雀位置； S4.4:判定麻雀个 体是否进行Levy飞行变异； S4.5:判断终止条件。 若到达所设迭代次数Maxiter时， 全局最优麻雀位置即为LSSVM的 最优参数组合(γ*, σ2*)， 确定基于LSSA ‑LSSVM的蚕茧真空水浴工艺设计解舒率预测模型； 否则， 返回步骤4.2继续执 行迭代直至 到达设定的迭代次数Maxiter。 6.根据权利 要求5所述的一种基于LSSA ‑LSSVM的蚕茧真空水浴工艺设计解舒率预测模 型构建方法， 其特 征在于， 所述 步骤S4.1中采取随机分布方法进行 麻雀种群初始化。 7.根据权利 要求5所述的一种基于LSSA ‑LSSVM的蚕茧真空水浴工艺设计解舒率预测模 型构建方法， 其特征在于， 所述步骤S4.4具体为计算惯性权重因子θ＝1 ‑(t/Maxiter),以轮 盘赌法判断是否进行Levy飞行变异， 若θ<rand， 所选麻雀个体进 行Levy飞行变异， 贪心策略权　利　要　求　书 2/3 页 3 CN 114154268 A 3