【技術實現步驟摘要】
本專利技術涉及近紅外光譜分析，尤其涉及一種絕緣紙聚合度預測方法及系統。
技術介紹
1、近紅外光譜分析技術是一種快速無損的原位檢測手段，被廣泛應用于農業、食品、石化、制藥等諸多行業中。近紅外光譜產生于物質分子在倍頻、合頻能級躍遷時對光的吸收，反映了物質在分子層面的微觀特征，是常用的材料鑒別、成分分析和過程監測手段。在變壓器絕緣紙老化檢測方面，近紅外光譜分析技術展現出一定優越性。通過分析絕緣紙反射或透射的近紅外光譜，可以獲得關于材料化學組成和結構變化的重要信息，從而間接評估絕緣紙的老化程度。
2、在近紅外光譜分析技術中，樣本數量不足、樣本信息不充分以及數據質量不佳會影響評估模型的準確度和泛化能力。在近紅外光譜分析領域，目前改進模型預測能力的策略可分為兩類：提高數據質量和優化建模方法。前者主要通過以下方法實現：歸一化將不同尺度的光譜數據歸一化到統一尺度，減少量綱影響；平滑處理，利用小波變換、平滑濾波器等方法去除光譜數據中的噪聲；基線校正去除基線漂移；標準正態變換消除粒度、厚度對光譜的影響；通過計算一階或二階導數光譜，增強光譜中的化學信息，減少背景吸收和光散射的影響；通過提取有用特征或篩選部分重要波段來減少冗余信息，提高模型預測能力。后者則是通過集成學習或局部建模的方法，提高模型的預測準確度和泛化能力。但模型是建立在數據基礎上的，優化建模方法對于提高模型預測能力作用相對有限。
3、綜上，積累大量不同老化時間的絕緣紙樣本并逐個測試其聚合度是困難的。現有的改進模型預測能力的策略可以在一定程度上提升數據質量或深入挖掘數
技術實現思路
1、本部分的目的在于概述本專利技術的實施例的一些方面以及簡要介紹一些較佳實施例。在本部分以及本申請的說明書摘要和專利技術名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和專利技術名稱的目的模糊，而這種簡化或省略不能用于限制本專利技術的范圍。
2、鑒于上述現有存在的問題，提出了本專利技術。
3、因此，本專利技術提供了一種絕緣紙聚合度預測方法及系統，能夠解決
技術介紹
中提到的問題。
4、為解決上述技術問題，本專利技術提供如下技術方案：
5、第一方面，本專利技術提供了一種絕緣紙聚合度預測方法，包括：
6、獲取目標樣本的第一數據以及第二數據，并將所述第一數據以及第二數據作為第一訓練集；
7、建立第一預測模型，使用所述第一訓練集對所述第一預測模型進行訓練；
8、根據所述第一數據生成第三數據，并將第三數據輸入至所述第一預測模型獲取第四數據；
9、將第一數據、第二數據、第三數據以及第四數據組成第二訓練集，并使用第二訓練集重新訓練第一預測模型。
10、作為本專利技術所述的絕緣紙聚合度預測方法的一種優選方案，其中：所述建立第一預測模型，使用所述第一訓練集對所述第一預測模型進行訓練包括：
11、所述第一預測模型為輸入為第一數據，輸出為第二數據的任意模型。
12、作為本專利技術所述的絕緣紙聚合度預測方法的一種優選方案，其中：所述根據所述第一數據生成第三數據包括：
13、確定第一數據的左邊界以及右邊界；
14、在所述左邊界與右邊界范圍內生成第三數據。
15、作為本專利技術所述的絕緣紙聚合度預測方法的一種優選方案，其中：所述目標樣本包括：對絕緣紙和絕緣油進行干燥處理，在真空條件下開展油紙絕緣加速熱老化試驗，制不同時間老化狀態的絕緣紙樣本。
16、作為本專利技術所述的絕緣紙聚合度預測方法的一種優選方案，其中：所述將所述第一數據以及第二數據作為第一訓練集包括：
17、對第一數據進行預處理，所述預處理包括標準化處理和基于savitzky-golay卷積平滑法的平滑處理。
18、作為本專利技術所述的絕緣紙聚合度預測方法的一種優選方案，其中：所述第二數據包括：通過粘度法檢測得到的各絕緣紙的聚合度。
19、作為本專利技術所述的絕緣紙聚合度預測方法的一種優選方案，其中：所述使用第二訓練集重新訓練第一預測模型包括：采用均方根誤差rmse判斷第一預測模型性能，并對第一預測模型進行訓練。
20、第二方面，本專利技術提供了一種絕緣紙聚合度預測系統，包括：
21、第一訓練集獲取模塊，用于獲取目標樣本的第一數據以及第二數據，并將所述第一數據以及第二數據作為第一訓練集；
22、模型建立模塊，用于建立第一預測模型，使用所述第一訓練集對所述第一預測模型進行訓練；
23、數據獲取模塊，用于根據所述第一數據生成第三數據，并將第三數據輸入至所述第一預測模型獲取第四數據；
24、模型重新訓練模塊，用于將第一數據、第二數據、第三數據以及第四數據組成第二訓練集，并使用第二訓練集重新訓練第一預測模型。
25、第三方面，本專利技術提供了一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現如上所述的方法的步驟。
26、第四方面，本專利技術提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現如上所述的方法的步驟。
27、與現有技術相比，本專利技術的有益效果：本專利技術提出一種絕緣紙聚合度預測方法及系統，獲取目標樣本的第一數據以及第二數據，并將所述第一數據以及第二數據作為第一訓練集；建立第一預測模型，使用所述第一訓練集對所述第一預測模型進行訓練；根據所述第一數據生成第三數據，并將第三數據輸入至所述第一預測模型獲取第四數據；將第一數據、第二數據、第三數據以及第四數據組成第二訓練集，并使用第二訓練集重新訓練第一預測模型。該方法利用整體趨勢擴散技術擴充光譜數據集，提高樣本光譜的多樣性，從而增強了數據集的代表性。該方法結合偏最小二乘回歸模型，實現虛擬樣本中絕緣紙聚合度的預測，進而構建包含信息更豐富、信息分布更均衡的光譜數據集，為基于近紅外光譜分析的絕緣紙聚合度及老化程度預測提供可靠的數據基礎。相比于其他提高老化評估模型預測性能的方法，該方法從數據本身入手，產生虛擬樣本以增強光譜數據集的多樣性和代表性。與現有虛擬樣本生成方法相比，該方法融合整體趨勢擴散技術與偏最小二乘回歸模型，充分利用偏最小二乘回歸模型在應對高維數據以及共線性問題中的優勢，實現虛擬光譜對應聚合度值的準確預測，適用于近紅外光譜高維數據，可為絕緣紙老化狀態預測提供穩固可信的數據支撐。
本文檔來自技高網...【技術保護點】
1.一種絕緣紙聚合度預測方法，其特征在于，包括：
2.如權利要求1所述的絕緣紙聚合度預測方法，其特征在于，所述建立第一預測模型，使用所述第一訓練集對所述第一預測模型進行訓練包括：
3.如權利要求2所述的絕緣紙聚合度預測方法，其特征在于，所述根據所述第一數據生成第三數據包括：
4.如權利要求3所述的絕緣紙聚合度預測方法，其特征在于，所述目標樣本包括：對絕緣紙和絕緣油進行干燥處理，在真空條件下開展油紙絕緣加速熱老化試驗，制備不同時間老化狀態的絕緣紙樣本。
5.如權利要求4所述的絕緣紙聚合度預測方法，其特征在于，所述將所述第一數據以及第二數據作為第一訓練集包括：
6.如權利要求5所述的絕緣紙聚合度預測方法，其特征在于，所述第二數據包括：通過粘度法檢測得到的各絕緣紙的聚合度。
7.如權利要求6所述的絕緣紙聚合度預測方法，其特征在于，所述使用第二訓練集重新訓練第一預測模型包括：采用均方根誤差RMSE判斷第一預測模型性能，并對第一預測模型進行訓練。
8.一種絕緣紙聚合度預測系統，其特征在于，包括：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。