隨著我國通信基礎的大規(guī)模建設,光纖光纜制造業(yè)獲得了迅猛發(fā)展。與此同時,智能制造正引領工業(yè)3.0革命的浪潮,我國傳統(tǒng)制造業(yè)逐漸開始升級,朝著智能制造業(yè)進行轉型。我國光纖制備企業(yè)基本已經實現(xiàn)信息化和智能化管理,但是,在光纖制備工藝方面還存在著一些問題:如何準確發(fā)現(xiàn)光纖制備工藝參數(shù)的影響因素及內在關聯(lián)關系;如何固化專家制備經驗;如何準確預測工藝參數(shù)的變化對未來產品質量的影響等。本文闡述了傳統(tǒng)光纖制備工藝的現(xiàn)狀和不足,探究利用機器學習的方法對光纖制備進行輔助決策,并形成可視化的系統(tǒng)。分析預制棒數(shù)據(jù)和光纖數(shù)據(jù),建立回歸決策樹模型,根據(jù)模型形成光纖制備規(guī)則,分析預制棒參數(shù)和光纖參數(shù)的內在關聯(lián),并對結果進行可視化,形成完整的系統(tǒng)。本文主要研究內容如下:1.對預制棒數(shù)據(jù)和光纖數(shù)據(jù)進行深入理解,對數(shù)據(jù)進行噪聲去除、歸一化和數(shù)據(jù)鏈接的一系列操作,為機器學習的特征構建和建模進行預處理工作;基于對數(shù)據(jù)和業(yè)務的了解,通過信息增益法對預制棒數(shù)據(jù)進行特征選擇;用預制棒數(shù)據(jù)作為特征,光纖的某個參數(shù)作為目標,構建回歸決策樹模型,此模型即為光纖制備輔助決策算法的基模型。通過實驗分析,驗證了回歸決策樹模型的有效性。2.根據(jù)回歸決策樹模型的分裂路徑,獲取到多個光纖制備規(guī)則;根據(jù)信息增益法獲取重要性較高的預制棒特征作為光纖的影響因子,通過分析歷史數(shù)據(jù),獲取光纖目標和影響因子之間的關系。3.搭建大數(shù)據(jù)平臺和web服務器,將光纖制備規(guī)則和影響因子進行可視化,并形成完整的光纖制備大數(shù)據(jù)輔助決策系統(tǒng)。針對設計的光纖大數(shù)據(jù)輔助決策系統(tǒng),總結其優(yōu)勢:通過回歸模型的分裂路徑,獲取多條光纖制備規(guī)則,固化制備經驗;通過對光纖參數(shù)的影響因子分析,有效地發(fā)現(xiàn)預制棒參數(shù)的變化對光纖的影響以及它們的內在聯(lián)系;搭建大數(shù)據(jù)平臺,存儲和分析海量的數(shù)據(jù),提高系統(tǒng)的時效性;完整的可視化平臺,能直觀的展示算法的結果,為制備專家提供方便的輔助決策幫助。
【學位單位】：重慶郵電大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：F426.6;TN253;TP311.13
【部分圖文】：

圖 2.3 線性回歸獨觀察(X，Y)，能找到擬合度最好的一條直線。這條直接盡可能使離最近，線的方程式'Y a bx。給出一個自變量 x 的值，相應的算。述是在二元的情況下，當 x 變量有多個的時候，就會存在一個變隨多個變量(x1，x2，x3…)變化，變化趨勢是多元非線性的。此時元線性回歸[42]問題。多元線性回歸的方程為：'iTY a b x 性回歸是為了找到一組 和 的最優(yōu)解使得在多元情況下，預測值離最小�；貧w(Logistic Regression)

圖 2.5 MapReduce 過程Map 函數(shù)和 Reduce 函數(shù)是 MapReduce 工作的核心。如圖 2.5 所示，Map 函數(shù)將輸入數(shù)據(jù)處理成<key,value>，通過隨機、排序和其他過程以<key,list <value >>的形式獲得中間結果。將相同鍵值的中間結果傳遞給 reduce 函數(shù)，并計算最終解。為了提高 Reduce 函數(shù)的計算效率，MapReduce 在執(zhí)行 Map 函數(shù)和 Reduce 函數(shù)之間設置 Combiner 過程。Combiner 過程的本質可以理解為在 Map 過程中起作用的 reduce函數(shù)，在進入 Reduce 函數(shù)之前聚合中間結果。Combiner 功能是確保 MapReduce 過程的總時間效率不受時間效率的影響，并且最終輸出結果的正確性不受影響。MapReduce分布式并行計算框架使得開發(fā)人員只需要關注Map函數(shù)和Reduce函數(shù)，這樣降低了編程難度并大大提高大規(guī)模數(shù)據(jù)集的計算效率。2.4.4 Sqoop

重慶郵電大學碩士學位論文 第 3 章 光纖制備輔助決策算法在表 3.5 中對于 MAER 大于 5%的結果進行了加粗處理，同時展示了 6 個模型的平均誤差率和平均排名。由表可知，Cart 回歸樹的預測性能僅次于 XGBoost 和GBDT。雖然 XGBoost 和 GBDT 的性能要優(yōu)于 Cart，但是根據(jù)實際的業(yè)務訴求，XGBoost 和 GBDT 不能輸出決策路徑，而且 Cart 回歸樹 MAER 大于 0.05(5%)的結果僅有 3 項，最大 MAER 為 0.057(5.7%)，基本滿足了工業(yè)制備中的誤差要求(5%)。圖 3.3 為表 3.5 的折線圖。Cart 在整體的 MER 折線圖上表現(xiàn)穩(wěn)定，說明了該算法具有穩(wěn)定性和泛化性。
【相似文獻】

相關期刊論文 前10條

1 袁廣南;;基于模糊綜合評判的輔助決策系統(tǒng)設計與實現(xiàn)[J];電子世界;2016年24期

2 王晨;朱立峰;;臨床護理輔助決策系統(tǒng)的探索與研究[J];中國醫(yī)院;2017年04期

3 陳健;程明;沈立新;徐永生;王炳民;陳波;;基于10kV配網(wǎng)輔助決策系統(tǒng)的短信推送功能的研究應用[J];電工技術;2017年07期

4 谷鈺瑩;;現(xiàn)代公安輔助決策系統(tǒng)研究[J];云南警官學院學報;2014年06期

5 嚴輝閩;;電網(wǎng)規(guī)劃智能輔助決策系統(tǒng)的設計與實現(xiàn)要點初談[J];山東工業(yè)技術;2014年24期

6 李寧;;淺議電網(wǎng)規(guī)劃智能輔助決策系統(tǒng)的設計與實現(xiàn)[J];科技資訊;2015年02期

7 張能;;鉆井專家在線輔助決策系統(tǒng)的應用[J];石化技術;2015年07期

8 王小玉;范晶晶;;作戰(zhàn)輔助決策系統(tǒng)中作戰(zhàn)模型開發(fā)與調用的研究[J];網(wǎng)絡安全技術與應用;2014年04期

9 鄭俊;;核電廠計算機應急輔助決策系統(tǒng)設計實現(xiàn)及改進[J];科技視界;2014年14期

10 劉嬋媛;;核電站應急輔助決策系統(tǒng)的人機界面設計與實現(xiàn)[J];自動化博覽;2014年10期

相關博士學位論文 前9條

1 金波;分布式防震減災信息和輔助決策系統(tǒng)[D];中國地震局工程力學研究所;2005年

2 方昱;山嶺隧道動態(tài)設計與施工智能輔助決策系統(tǒng)研究[D];北京交通大學;2016年

3 胡麗芬;艦船抗沉輔助決策系統(tǒng)研究[D];大連理工大學;2010年

4 孫冠英;基于網(wǎng)絡的進出境植物檢疫信息管理和輔助決策系統(tǒng)[D];浙江大學;2003年

5 付文俊;礦井封閉火區(qū)救災輔助決策系統(tǒng)研發(fā)[D];遼寧工程技術大學;2010年

6 史瑞芝;地圖設色輔助決策系統(tǒng)的建立與顏色傳輸理論的應用[D];解放軍信息工程大學;2001年

7 胡東濤;基于物聯(lián)網(wǎng)的非煤地下礦山安全監(jiān)測預警決策平臺研究[D];武漢理工大學;2014年

8 劉殿鋒;土地質量空間抽樣的群智能優(yōu)化決策方法研究[D];武漢大學;2011年

9 解靜;近岸海域空間資源利用輔助決策系統(tǒng)研究[D];大連理工大學;2016年

相關碩士學位論文 前10條

1 邵帥;光纖制備大數(shù)據(jù)輔助決策系統(tǒng)[D];重慶郵電大學;2019年

2 李榮江;飲用水處理技術評估與專家輔助決策系統(tǒng)的設計[D];哈爾濱工業(yè)大學;2019年

3 周宗偉;某省級電網(wǎng)事故處理輔助系統(tǒng)研究及應用[D];鄭州大學;2019年

4 王鼎;遼河油田生產輔助決策系統(tǒng)設計與實現(xiàn)[D];大連理工大學;2018年

5 董振濤;基于Java的旅級部隊干部調整輔助決策系統(tǒng)設計與實現(xiàn)[D];鄭州大學;2019年

6 何政;基于GIS的城市道路路面養(yǎng)護輔助決策系統(tǒng)的研究與開發(fā)[D];重慶交通大學;2018年

7 王寶元;基于GPS信息的消費金融輔助決策系統(tǒng)的研究與實現(xiàn)[D];遼寧大學;2018年

8 張鑫;基于OS2體系架構的新型電網(wǎng)事故輔助決策系統(tǒng)研究[D];華南理工大學;2017年

9 杜雪姣;分布式應急輔助決策系統(tǒng)開發(fā)和核心問題研究[D];西北師范大學;2016年

10 雷敏;搶險救災裝備保障輔助決策系統(tǒng)設計與實現(xiàn)[D];電子科技大學;2012年

本文編號：2846407