盧沛臨，田 青，李瑞東，吳 箭，鄧紹坤，范茂青，李 強，逄 濤

(1.云南煙葉復烤有限責任公司，云南昆明 650000；2.云南煙葉復烤有限責任公司瀘西復烤廠，云南紅河 652400；3.云南省煙草農(nóng)業(yè)科學研究院，云南昆明 650000)

打葉復烤是卷煙工業(yè)企業(yè)進行原料初挑、模塊配方、均勻性提升的重要環(huán)節(jié)[1]。近年來，隨著各卷煙企業(yè)重點品牌對成品片煙核心質(zhì)量指標均勻性水平要求的不斷提高，打葉復烤企業(yè)在參數(shù)設置和優(yōu)化管控方面進行了大量研究。楊凱等[2]通過煙堿值的組配模式，探索出基于煙堿變異系數(shù)的均質(zhì)化控制模式。皮亮等[3]結(jié)合歷史數(shù)據(jù)，以過程工藝和參數(shù)標準化為切入點， 有效控制過程質(zhì)量穩(wěn)定性， 從而使最終產(chǎn)品質(zhì)量指標穩(wěn)定性顯著提升。楊洋等[4]通過多指標權(quán)重分析和正交試驗對遵義復烤新線工藝參數(shù)進行優(yōu)化。黃小艷等[5]通過Scikit_learn中的決策樹算法和正交試驗，根據(jù)加工歷史數(shù)據(jù)，使用機器學習方式對打葉復烤的水分參數(shù)進行了優(yōu)化。通過以上研究使產(chǎn)品的化學成分指標、葉片結(jié)構(gòu)指標的均勻性有了明顯提升，但在過程質(zhì)量管控和數(shù)據(jù)價值的利用上仍有待加強。

2001年，Breiman[6]將決策樹集成組合成隨機森林。隨機森林算法是一種非常具有代表性的機器學習Bagging集成算法[7]，它以決策樹作為基評估器，多棵樹隨機組成的森林也叫隨機森林，包括隨機森林分類器和隨機森林回歸器(random forest regressor)。成浩科等[8]使用隨機森林算法建立了河流總磷的預測模型，分析了河流總磷的影響因素。蘇志同等[9]也使用隨機森林算法對鋁電解煅燒工藝參數(shù)進行了研究。由于決策樹算法本身存在的局限性，決策樹模型預測效果比隨機森林模型容易過擬合且受異常值的影響更大。張莉等[10]使用隨機森林和邏輯回歸分類模型，對各類煙葉樣品的外觀質(zhì)量指標和感官質(zhì)量指標進行關(guān)聯(lián)分析，使精選效率大幅度提升，選出的煙葉工業(yè)適用性也明顯提高。 為適應卷煙工業(yè)企業(yè)對片煙中片率的要求，進一步分析中片率與打葉復烤工藝參數(shù)之間的相關(guān)性，筆者采用隨機森林回歸器對2021年葉梗分離工藝參數(shù)和片煙中片率進行回歸建模，以期找到打葉復烤打葉工藝參數(shù)優(yōu)化調(diào)控的方向。

1 研究數(shù)據(jù)與方法

1.1 研究數(shù)據(jù)選取2021年瀘西復烤廠配方煙葉產(chǎn)地相近、產(chǎn)品質(zhì)量指標要求相同的出口備貨煙葉模塊共計43個，從17 646個數(shù)據(jù)中篩選出涉及葉梗分離段一打、二打、三打、四打、五打和一至十二風分共計33項工藝參數(shù)及中片率數(shù)據(jù)，共9 792個數(shù)據(jù)。相關(guān)數(shù)據(jù)來自瀘西復烤廠2021年中控系統(tǒng)的操作日志。將選取的數(shù)據(jù)集記為D={xij}(i=1,2,…,n;j=1,2,…,m)，其中n和m分別表示樣本數(shù)和指標數(shù)。

1.2 隨機森林回歸算法隨機森林是一種集成學習算法，集成多個決策樹算法對相同現(xiàn)象產(chǎn)生重復的預測結(jié)果，利用bootstrap 重抽樣方法從原始樣本中抽取多個樣本,對每個bootstrap 樣本構(gòu)建決策樹,然后將所有決策樹預測平均值作為最終預測結(jié)果。隨機森林回歸可以看成是由多個弱預測器(決策樹)集成的強預測器，抵消了部分隨機誤差，對異常值和噪聲具有很好的容忍度。

隨機森林回歸算法步驟可歸納如下：

設從獨立分布的隨機向量(X,Y)中抽取訓練集,輸入向量為X,輸出向量為Y,則預測輸出h(X)的均方泛化誤差為EX，Y[Y-h(X)]2。

設θ為隨機參數(shù)向量,則對應的決策樹為T(θ)。

(2)特征的隨機選取。在每棵回歸樹的每個節(jié)點處從m個特征中隨機抽取mtrain個特征(mtrain

(3)隨機森林的生成。每棵回歸樹開始自頂向下的遞歸分枝，直到滿足分割終止條件。

(4)OOB估計及模型評價。將生成的k棵回歸樹組成隨機森林回歸模型，回歸的效果評價采用袋外數(shù)據(jù)(OOB)預測的殘差均方(MSE)和擬合系數(shù)(R2)。計算公式如下：

(5)模型優(yōu)化。通過多次循環(huán)生成隨機森林回歸模型，求出每次循環(huán)的模型擬合系數(shù)和均方根誤差值，得到最優(yōu)決策樹大小參數(shù)、決策樹最大深度參數(shù)、內(nèi)部節(jié)點再劃分所需的最小樣本參數(shù)、葉子節(jié)點最小樣本數(shù)、最大特征數(shù)。

(6)特征重要性評價。特征重要性評價通常使用基尼指數(shù)(Gini index)或者袋外數(shù)據(jù)(OOB)錯誤率作為評估指標來衡量，采用袋外數(shù)據(jù)(OOB)錯誤率作為評估指標。對于隨機森林回歸中的變量重要性評分(variable importance measure，VIM)，使用基于permutation隨機置換的殘差均方減小量進行衡量。具體過程如下：

a.每一個自助樣本建立一個回歸樹模型，同時使用該模型對相應的袋外數(shù)據(jù)OOB進行預測，得到k個袋外數(shù)據(jù)的殘差均方，記為MSE1，MSE2，…,MSEk。

b.變量Xi在k個OOB樣本中隨機置換，形成新的OOB測試樣本，然后用已建立的隨機森林對新的OOB進行預測，與第一步的計算方法相同，得到隨機置換后的OOB殘差均方，得到以下矩陣：

c.用MSE1，MSE2，…，MSEk與OOB殘差均方矩陣對應的第i行向量相減，平均后再除以標準誤差得到變量Xi的重要性評分，即

2 結(jié)果與分析

2.1 隨機森林規(guī)模參數(shù)及其他參數(shù)的優(yōu)化模型規(guī)模參數(shù)(n_estimators)代表隨機森林中樹木的數(shù)量，即基評估器的數(shù)量。這個參數(shù)對隨機森林模型精確度的影響是單向的，模型規(guī)模參數(shù)越大，模型的效果往往越好。同時，任何模型都具有決策邊界，當模型規(guī)模參數(shù)達到一定數(shù)值后，隨機森林的精確度往往不再上升。為了獲取最優(yōu)的模型效果，使用300次循環(huán)，計算不斷調(diào)試模型規(guī)模參數(shù)(得到學習曲線)，求出每次循環(huán)的模型擬合系數(shù)和均方根誤差，并以可視化形式進行展現(xiàn)，便于求得最優(yōu)參數(shù)值。

經(jīng)過循環(huán)計算得出的最優(yōu)擬合系數(shù)和均方根誤差見表1。當模型規(guī)模參數(shù)為93時，以最優(yōu)擬合系數(shù)作為衡量標準時，隨機森林模型精確度最大；當模型規(guī)模參數(shù)為17時，均方根誤差最小。

表1 隨機森林規(guī)模參數(shù)

通過觀察學習曲線(圖1)發(fā)現(xiàn)，當模型規(guī)模參數(shù)為93時，曲線均處于平穩(wěn)狀態(tài)，此時均方根誤差為7.21，均方根誤差稍有增加。為了保障模型精確且穩(wěn)定可靠，選擇93作為隨機森林規(guī)模參數(shù)(Scikit_learn中均方根誤差被認定為一種誤差，因此顯示為負值，真實的均方根誤差為其顯示的絕對值)。

圖1 隨機森林模型規(guī)模參數(shù)學習曲線

隨機森林模型在模型規(guī)模參數(shù)為93時，采用循環(huán)算法繪制出的樹最大深度(Max_depth)學習曲線見圖2。表2為優(yōu)化后模型擬合系數(shù)與均方根誤差的變化。由于擬合系數(shù)和均方根誤差的最優(yōu)值不同，根據(jù)參數(shù)變化百分比選擇對損失百分比最小的參數(shù)模型，并建立隨機森林回歸模型。

表2 模型優(yōu)化前后參數(shù)的變化

圖2 優(yōu)化后的隨機森林模型參數(shù)學習曲線

2.2 隨機森林模型模擬結(jié)果隨機森林對中片率的模擬結(jié)果見圖3。圖3顯示出坐標點距離直線越近，表明預測值與實際值越接近。對預測值和實際值進行相關(guān)性分析，相關(guān)系數(shù)為0.782,預測值與實際值存在較強的非線性相關(guān)性。在多因素影響、非線性關(guān)系且關(guān)系復雜的情況下，隨機森林仍然可以較好地預測不同葉梗分離參數(shù)下的中片率。

圖3 隨機森林模型中片率模擬結(jié)果

2.3 模型的重要特征因素評價在兼顧模型精確性和穩(wěn)定性，實現(xiàn)綜合性能最好時，將剩余的70%測試集數(shù)據(jù)導入模型，選取決策影響度大于5%的因素作為重要特征參數(shù)，得出影響模型決策的參數(shù)特征重要度排序，見表3。從表3可以看出，針對此次建模所采用的參數(shù)指標，二打一聯(lián)打輥轉(zhuǎn)速、五打打輥轉(zhuǎn)速、三打打輥轉(zhuǎn)速和一打打輥轉(zhuǎn)速是葉梗分離參數(shù)中影響最大的4個工藝參數(shù)指標，其中二打一聯(lián)打輥轉(zhuǎn)速和五打打輥轉(zhuǎn)速對中片率的影響最大，分別占比18.01%和18.31%。

表3 模型中片率與梗葉分離工藝參數(shù)特征重要度排序

2.4 基于重要特征因素和回歸關(guān)系的試驗驗證利用Values語法讀取出測試集數(shù)據(jù)，選取測試集中的9個重要特征因素進行預測，結(jié)果如表4所示。然后，再將中片率的預測值與真實值進行對比，結(jié)果見圖4。

圖4 中片率預測值與實際值的比較

表4 測試集數(shù)據(jù)及中片率預測值

使用Scikit_learn回歸模型中的3個重要評判指標對預測效果進行評價，模型回歸評分為0.622(評分越接近1，則模型預測準確度越好；當評分為負數(shù)時，表示模型預測效果較差)。該回歸模型MSE為1.824，預測值與真實值相比存在1.428 的平均誤差。在相對誤差方面，平均相對誤差為3.93%，說明隨機森林回歸模型準確度能夠滿足現(xiàn)場參數(shù)調(diào)控需求。

3 結(jié)論與討論

目前打葉復烤企業(yè)的工藝參數(shù)選擇往往是依靠現(xiàn)場操作人員的經(jīng)驗來確定，熱風潤葉和葉梗分離參數(shù)的調(diào)控對片煙的葉片結(jié)構(gòu)具有較為明顯的調(diào)節(jié)作用,但在實際生產(chǎn)中負責不同工段的操作人員很可能不同，依靠經(jīng)驗進行調(diào)控的方式難以形成固有的規(guī)律。針對加工出口煙葉梗葉分離段的工藝參數(shù)，建立隨機森林回歸模型，初步篩選出9個影響中片率的重要特征參數(shù)，模型回歸評分達到0.622，回歸模型預測效果較好。該方法可為打葉復烤打葉工藝參數(shù)的調(diào)控優(yōu)化提供技術(shù)支持。

隨著煙草行業(yè)數(shù)字化轉(zhuǎn)型的逐步推進，在未來還需要進一步打通工商業(yè)相關(guān)業(yè)務的數(shù)據(jù)鏈條，獲取更多高質(zhì)量的業(yè)務數(shù)據(jù)，通過包括隨機森林算法在內(nèi)的大數(shù)據(jù)分析和機器學習算法，建立更加準確、適用的預測模型，實現(xiàn)煙葉復烤的數(shù)字化和智能化，支撐行業(yè)高質(zhì)量發(fā)展。