壓力容器質(zhì)量過程控制中數(shù)據(jù)挖掘方法及應(yīng)用研究.pdf

1、隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展，將數(shù)據(jù)挖掘方法應(yīng)用于質(zhì)量控制中越來越受到人們的關(guān)注，壓力容器質(zhì)量控制中質(zhì)量分類預(yù)測問題的解決方式也逐漸從傳統(tǒng)的統(tǒng)計過程控制向數(shù)據(jù)挖掘技術(shù)轉(zhuǎn)變。針對壓力容器質(zhì)量過程控制中的問題，本文著重研究了壓力容器質(zhì)量過程控制中質(zhì)量分類預(yù)測模型，主要從決策樹模型、神經(jīng)網(wǎng)絡(luò)模型、Logistic回歸分析模型對生產(chǎn)過程進(jìn)行質(zhì)量控制和質(zhì)量預(yù)測，為企業(yè)優(yōu)化壓力容器的生產(chǎn)工藝提供指導(dǎo)和參考。
　　首先，基于決策樹算法建立的數(shù)據(jù)挖掘質(zhì)

2、量預(yù)測模型，本文通過分析壓力容器焊縫質(zhì)量數(shù)據(jù)，選擇了20個屬性變量作為決策樹模型的輸入變量，并對這些變量做離散化處理，優(yōu)化決策樹算法中的相關(guān)參數(shù)，建立了合理有效的壓力容器質(zhì)量過程控制中焊縫質(zhì)量分類預(yù)測模型。其次，本文將相同原始樣本數(shù)據(jù)經(jīng)過數(shù)據(jù)準(zhǔn)備使輸入變量轉(zhuǎn)化為0-1變量，利用多層訓(xùn)練法建立隱含層數(shù)目為2的BP神經(jīng)網(wǎng)絡(luò)模型。然后，基于二項回歸分析方程的基礎(chǔ)上，建立預(yù)測壓力容器焊縫質(zhì)量分類的多元Logistic回歸分析模型。
　　最