當(dāng)今世界,人工智能（AI）的研究及應(yīng)用可謂如火如荼。人工智能的核心算法較為定型,但是AI技術(shù)的應(yīng)用則方興未艾。作為人工智能的核心,機(jī)器學(xué)習(xí)技術(shù)的優(yōu)勢(shì)是能夠從大量積累數(shù)據(jù)中高效、準(zhǔn)確地歸納、學(xué)習(xí)出關(guān)于某復(fù)雜問題的回歸、聚類、分類模型,改善系統(tǒng)自身的性能。將機(jī)器學(xué)習(xí)用于產(chǎn)品設(shè)計(jì)也是AI應(yīng)用的一個(gè)重要方向。盡管潤滑油配方在過去有了爆發(fā)性的發(fā)展,但配方的調(diào)合涉及復(fù)雜的物理和化學(xué)過程,目前還是處于一種“半經(jīng)驗(yàn)”的設(shè)計(jì)模式,很少有人探索運(yùn)用機(jī)器學(xué)習(xí)方法來理解和優(yōu)化調(diào)合過程,以期達(dá)到“理性設(shè)計(jì)”。本論文以潤滑油配方作為一個(gè)案例,探究機(jī)器學(xué)習(xí)模型在產(chǎn)品設(shè)計(jì)中的應(yīng)用�；谑占降膶�(shí)際潤滑油配方及其相應(yīng)的物理化學(xué)性能,結(jié)合現(xiàn)有工業(yè)應(yīng)用的經(jīng)驗(yàn)計(jì)算方法獲得的數(shù)據(jù),建立了對(duì)油成分包的分類模型和對(duì)某些物理化學(xué)性能指標(biāo)和決策因素之間的映射關(guān)系模型,并對(duì)模型進(jìn)行泛化能力評(píng)價(jià)。具體研究內(nèi)容如下:首先,調(diào)研油品調(diào)合機(jī)理,并且對(duì)配方數(shù)據(jù)做預(yù)處理,使之能夠作為后續(xù)機(jī)器學(xué)習(xí)的“輸入”。即對(duì)潤滑油配方的數(shù)據(jù)做特征選擇、缺失值和異常值、數(shù)據(jù)噪音的修正等處理,制作出了“干凈”的油成分包數(shù)據(jù)集,然后做數(shù)據(jù)標(biāo)準(zhǔn)化使之適應(yīng)相關(guān)機(jī)器算法對(duì)“... 

【文章來源】：昌吉學(xué)院新疆維吾爾自治區(qū)

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３．２數(shù)據(jù)處理流程圖??Ｆｉｇｕｒｅ?３．２?Ｄａｔａ?ｐｒｏｃｅｓｓｉｎｇ?ｆｌｏｗ?ｃｈａｒｔ??

ｉ）?－■■■■■■■■■■■■■■■■■??ｖａｑｃｉ）?－ｍｍｍｍｍｍｍｍｍｍｍｍｍｍ??０°ｆ２）????Ａ?－■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■??０＾（１）??ＰＰ（１）??Ｒ＊＜１）?．ｐｍｍｍｍｍｍｍｍａｍｍｍｍｍｍｍｍｍｍｍｍｍｍｍｍｍｍｍｔｍｍｍＨｍｍｍｍｍｉｍｍａｍｍａｉｍｍｍ??Ｃ?——————，??０．００?０．０２?０?０４?ＯＯｆｉ?０?０８?０．１０?０．１２?０．１４??圖３．３配方數(shù)據(jù)集中特征的重要性??Ｆｉｇｕｒｅ?３．３?Ｔｈｅ?ｉｍｐｏｒｔａｎｃｅ?ｏｆ?ｆｅａｔｕｒｅｓ?ｉｎ?ｔｈｅ?ｒｅｃｉｐｅ?ｄａｔａ?ｓｅｔ??基于集合的決策樹模型（如隨機(jī)森林）可以用來對(duì)不同特征的重要性進(jìn)行排??序。了解建立的模型最重要的特征對(duì)于理解本文的模型如何做出預(yù)測(cè)（使其更易??于解釋）是至關(guān)重要的。使用所有特征訓(xùn)練一個(gè)隨機(jī)森林分類器，這樣就可以創(chuàng)??建一個(gè)特征重要性圖以分辨數(shù)值特征對(duì)應(yīng)于建立的模型預(yù)測(cè)的重要性。??從圖３．３中可以看到粘膠所對(duì)應(yīng)的因素值對(duì)整個(gè)油品的指標(biāo)值影響比較大，??而且第一個(gè)基礎(chǔ)油的指標(biāo)屬性中４０°Ｃ運(yùn)動(dòng)粘度、１００°Ｃ運(yùn)動(dòng)粘度、粘度指數(shù)、閃??點(diǎn)、傾點(diǎn)對(duì)整個(gè)油品是最重要的。??３．３．３相關(guān)矩陣分析??為了減少數(shù)據(jù)集中的特征數(shù)量，另一種可能的方法是檢查特征與標(biāo)簽的相關(guān)??性。即通過創(chuàng)建一個(gè)相關(guān)矩陣來更仔細(xì)地研宄不同相關(guān)特征之間的關(guān)系。??熱力度一般用來表示地圖上的分布密度，也可以簡單理解為兩維坐標(biāo)中的數(shù)??值到顏色的映射圖。相關(guān)性最常用的是皮爾森相關(guān)系數(shù)（Ｐｅａｒｓｏｎ?ｃｏｒｒｅｌａｔｉｏｎ

?昌吉學(xué)院碩士學(xué)位論文???３ｉ＾ｎｎ?ｉｗｒＴ；Ｊ．?Ａ．ｘ？ｒ??＾?：；?，?；?ｒ?．??■?Ｈｉｍ?＇?＇?■?［ＩＩ＾ＰＵＬＢ?－??＿＿ＫＬ?ｉ?ｊ?ｌ＾Ｍ??ｉ?ｆ??？，?乂細(xì)麵｛＾?顧」％??ｈｉ?－■■?■?ｍ?．?Ｔ０ｉ＾３■??１?２?３?４?５?６?７?６?０?１０?１１?１２?１３?Ｕ?１５?１６?１７?１６?１９?２０?２１?２２?２３?２４?２５?２６?２７?２８?２９?３０?３１?３２??圖３．４油成分包選擇性特征間的相關(guān)性??Ｆｉｇ?３．４?Ｃｏｒｒｅｌａｔｉｏｎ?ｂｅｔｗｅｅｎ?（ｈｅ?ｓｅｌｅｃｔｉｖｉｔｙ?ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ?ｏｆ?ｏｉｌ?ｃｏｍｐｏｓｉｔｉｏｎ??ｐａｃｋａｇｅ??如果兩個(gè)特征之間的相關(guān)性為〇，則意味著更改這兩個(gè)特征中的任何一個(gè)都??不會(huì)影響另一個(gè)。如果兩個(gè)特征之間的相關(guān)性大于〇，這意味著增加一個(gè)特征中??的值也會(huì)增加另一個(gè)特征中的值（相關(guān)系數(shù)越接近１，兩個(gè)不同特征之間的這種??聯(lián)系就越強(qiáng)）。如果兩個(gè)特征之間的相關(guān)性小于０，這意味著增加一個(gè)特征中的??值將減少另一個(gè)特征中的值（相關(guān)性系數(shù)越接近－１，兩個(gè)不同特征之間的這種關(guān)??系將越強(qiáng)）。??從圖３．４中可以看到有些特征相關(guān)性是很高，若相關(guān)性大于０．７，多重共線??性會(huì)影響導(dǎo)致預(yù)測(cè)結(jié)果不穩(wěn)定。很顯然這樣的特征很少，大多數(shù)還是落在（０．３，－０．３）??之間，即不存在線性相關(guān)或者低度線性相關(guān)。表明本文從生產(chǎn)配方里面提煉出來??的特征數(shù)據(jù)是可以用來輸入模型的。??３．３．４數(shù)據(jù)分布可視化??在高維數(shù)據(jù)集中有幾十種甚至百種特征，各個(gè)特征之間存在規(guī)律。因此對(duì)高??維數(shù)組進(jìn)行

【參考文獻(xiàn)】：
期刊論文
[1]大數(shù)據(jù)背景下機(jī)器學(xué)習(xí)算法的綜述[J]. 歐華杰.  中國信息化. 2019(04)
[2]云計(jì)算和物聯(lián)網(wǎng)的網(wǎng)絡(luò)大數(shù)據(jù)技術(shù)分析[J]. 張州.  科學(xué)技術(shù)創(chuàng)新. 2019(09)
[3]原油混煉對(duì)潤滑油黏度指數(shù)的影響[J]. 宋延鋒,蘇佩汝,陳紅蕾,王浩,瞿麗.  石化技術(shù)與應(yīng)用. 2018(03)
[4]原油非線性優(yōu)化調(diào)合方法研究[J]. 葉彥斐,胡云云,陸琳娜,羊康,陳恒.  科技視界. 2018(05)
[5]基于顯著性檢測(cè)和改進(jìn)局部高斯分布擬合模型的眼底圖像視盤邊界自動(dòng)提取[J]. 高源,于曉升,吳成東,周唯,孟亞男,王瑩.  控制與決策. 2019(01)
[6]礦山機(jī)械摩擦磨損問題與防范建議的研究解析[J]. 王超,苗潤時(shí),畢瑞敏.  山東工業(yè)技術(shù). 2017(21)
[7]潤滑油運(yùn)動(dòng)粘度檢測(cè)的重要性[J]. 馮玉娟.  冶金設(shè)備. 2017(S2)
[8]基于大數(shù)據(jù)分析與認(rèn)知技術(shù)的空氣質(zhì)量預(yù)報(bào)預(yù)警平臺(tái)[J]. 李云婷,嚴(yán)京海,孫峰,張大偉,夏曦,芮曉光,白鑫鑫,尹文君.  中國環(huán)境管理. 2017(02)
[9]基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)架構(gòu)及其關(guān)鍵技術(shù)探討[J]. 王永.  中國新通信. 2015(10)
[10]基于向量皮爾森相關(guān)系數(shù)的組合賦權(quán)法[J]. 張峰,謝振華,程江濤,崔高侖,徐衡博.  火力與指揮控制. 2015(05)

博士論文
[1]低壓特殊環(huán)境下可燃液體閃點(diǎn)、沸點(diǎn)及其應(yīng)用研究[D]. 丁超.中國科學(xué)技術(shù)大學(xué) 2016
[2]面向大數(shù)據(jù)處理的并行計(jì)算模型及性能優(yōu)化[D]. 駱濤.中國科學(xué)技術(shù)大學(xué) 2015
[3]維數(shù)約簡研究及其在特征提取中的應(yīng)用[D]. 吳松松.南京理工大學(xué) 2012

碩士論文
[1]基于組合賦權(quán)—灰色關(guān)聯(lián)投影法的工程機(jī)械通用潤滑油研究[D]. 唐興中.廣西大學(xué) 2014
[2]高級(jí)潤滑油的調(diào)配[D]. 周明君.北京化工大學(xué) 2008
[3]綠色酯類潤滑油基礎(chǔ)油的合成及性能研究[D]. 金小容.中南大學(xué) 2007
[4]數(shù)據(jù)挖掘技術(shù)在化工產(chǎn)品配方優(yōu)化中的應(yīng)用[D]. 姜濤.華北電力大學(xué)（河北） 2005



本文編號(hào)：3493238