(19)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 202210626198.9 (22)申请日 2022.06.02 (71)申请人 红云红河烟草 （集团） 有限责任公司 地址 650231 云南省昆明市五华区红锦路 367号 (72)发明人 刘继辉　马晓龙　杨晶津　华一崑　 苏丽　杨佳东　高占勇　汪显国　 (74)专利代理 机构 北京维澳专利代理有限公司 11252 专利代理师 段媛媛 (51)Int.Cl. G06F 30/20(2020.01) (54)发明名称 基于SCAD算法的卷烟制丝过程变量选择及 赋权方法 (57)摘要 本发明公开了一种基于SCAD算法的卷烟制 丝过程变量选择及赋权方法， 包括： 获取卷烟制 丝过程的数据样本； 根据数据样本， 构建最小二 乘的线性回归模型； 构建SCAD惩罚函数， 并利用 SCAD惩罚函数对线性回归模型的回归系数进行 估计， 在估计过程中压缩回归系数， 以对解释变 量进行变量选择； 根据线性回归模 型的回归系数 的估计结果， 确定解释变量的影响权重。 本发明 的基于SCAD算法的卷烟制丝过程变量选择及赋 权方法， 采用SCAD惩罚方法， 在最小二乘 的基础 上增加L1惩罚项及其权重， 按 顺序连续处理变量 间的多重共线性问题， 解决了Lasso过程中系数 过度压缩的问题， 满足Oracle性质， 同步实现卷 烟制丝过程的变量筛 选和客观赋权 。 权利要求书2页 说明书7页 附图1页 CN 115017700 A 2022.09.06 CN 115017700 A 1.一种基于SCAD算法的卷烟制丝过程变量选择及赋权方法， 其特 征在于， 包括： 获取卷烟制丝过程的数据样本； 根据所述数据样本， 构建最小二乘的线性回归 模型； 构建SCAD惩罚函数， 并利用SCAD惩罚函数对线性回归模型的回归系数进行估计， 在估 计过程中压缩回归系数， 以对解释变量进行变量选择； 根据线性回归 模型的回归系数的估计结果， 确定解释变量的影响权 重。 2.根据权利要求1所述的基于SCAD算法的卷烟制丝过程变量选择及赋权方法， 其特征 在于， 所述获取 卷烟制丝过程的数据样本， 具体包括： 获取卷烟制丝过程的原 始数据样本； 基于所述原 始数据样本， 得到稳态数据样本 。 3.根据权利要求2所述的基于SCAD算法的卷烟制丝过程变量选择及赋权方法， 其特征 在于， 所述获取 卷烟制丝过程的原 始数据样本， 具体包括： 根据卷烟制丝过程制造执 行系统采集卷烟制丝过程的原 始数据样本 。 4.根据权利要求2所述的基于SCAD算法的卷烟制丝过程变量选择及赋权方法， 其特征 在于， 所述基于所述原 始数据样本， 得到稳态数据样本， 具体包括： 按照生产过程中工序入口流量降至0并持续时间超过90s的判定规则剔除停机断料批 次数据； 根据有效数据的截取规则进行有效数据截取； 剔除生产过程数值 为常量的设定参数； 根据物料的停留时间， 将有效数据进行分组并计算均值， 形成稳态数据样本 。 5.根据权利要求2所述的基于SCAD算法的卷烟制丝过程变量选择及赋权方法， 其特征 在于， 所述 根据所述数据样本， 构建最小二乘的线性回归 模型， 具体包括： 对所述数据样本进行 标准化处理； 根据标准 化处理后的数据样本， 构建最小二乘的线性回归 模型。 6.根据权利要求5所述的基于SCAD算法的卷烟制丝过程变量选择及赋权方法， 其特征 在于， 所述对所述数据样本进行 标准化处理， 具体包括： 采用正规标准化方法对各 所述稳态数据样本进行 标准化， 通过以下公式对稳态数据样本x1,x2,...,xi,...,xn进行变换： 其中， n表示稳态数据样本的样本数， xi表示稳态数据样本中的第i个数据， zi表示标准 化后的稳态数据样本， 表示稳态数据样本的均值， s表示稳态数据样本的标准差 。 7.根据权利要求5所述的基于SCAD算法的卷烟制丝过程变量选择及赋权方法， 其特征 在于， 所述 根据标准 化处理后的数据样本， 构建最小二乘的线性回归 模型， 具体包括： 以标准化稳态数据， 构建最小二乘的线性回归 模型 通过最小二乘法得到线性回归 模型的变量系数的估计值 满足 权　利　要　求　书 1/2 页 2 CN 115017700 A 2其中， yi表示回归模型的被解释变量， 各工序出料含水率或出料温度可作为被解释变 量； xij表示回归模型的解释变 量， 包括各工序设备参 数、 和/或工 艺参数， j为解释变 量个数； βj表示度量解释变量xij相对重要性的标准化回归系数， αi和βj为模型的待估计回归系数； εi 表示模型的误差项， 表示公式的最小值计算因子 。 8.根据权利要求7所述的基于SCAD算法的卷烟制丝过程变量选择及赋权方法， 其特征 在于， 所述构建SCAD惩罚函数， 并利用S CAD惩罚函数对线性回归模 型的回归系数进 行估计， 在估计过程中压缩回归系数， 以对解释变量进行变量选择， 具体包括： 构建SCAD惩罚函数Pλ(|βj|)， 在公式(3)和SCAD惩罚函数的基础上， 通过以下公式计算 线性回归 模型的变量系数的估计值 SCAD惩罚函数Pλ(|βj|)的表达式如下： 其中， a和λ仅为公式参数， 无实际含义， a＞2， 运用十折交叉验证确定模型均方误差最 小的参数 λ作为 λ 的最优值； 通过公式(5)的SCAD惩罚算法， 对公式(4)的回归模型路径拟合， 并分别估计回归系数 βj， 在估计过程中会将影响较小的回归系数收缩至 0， 从而实现解释变量xij的变量选择。 9.根据权利要求8所述的基于SCAD算法的卷烟制丝过程变量选择及赋权方法， 其特征 在于， 所述根据线性回归模型的回归系数的估计结果， 确定解释变量的影响权重， 具体包 括： 将多元回归 模型公式(2)中的标准 化回归系数βj作为解释变量xij影响程度的度量； 通过以下公式计算 解释变量xij对被解释变量yi的影响权 重： 其中， βj表示度量解释变量xi相对重要性的标准化回归系数， |βj|表示对标准化回归系 数βj取绝对值； 表示对所有标准化 回归系数的绝对值|βj|求和， Wi表示解释变量xij 对被解释变量yi的影响权 重。权　利　要　求　书 2/2 页 3 CN 115017700 A 3