基于预测算法的熔喷法相关性变量分析

本模型结合了多种预测性算法、多项式拟合、粒子群算法寻优等，实现对所求变量的多种情况下的分析需求，在问题求解过程中，使用到的工具是Clion、pycharm、SPSS、Excel，从而进行对数据的处理、代码演算以及数据结果的展示。

第一小问是基于数据预处理以及对变量的相关性分析进行题目求解。通过对附件data1,data2中对数据的处理和函数运算，先得出了后结构变量和产品性能的条形图，在模型求解中利用热力图呈现出相关性分析结果；通过设定临界值对产品性能进行分析，得出结构变量或者产品性能达到临界值后，插层率对结构变量和产品性能的细分指标都有影响。

第二小问是基于随机森林预测算法和K-means算法聚类进行题目求解。通过对附件data3表格中对数据的处理和函数运算，对于拟合效果好的数据进行随机森林预测算法，对于拟合效果差的数据进行K-means算法聚类，最后进行F检验，检验结果证明机器学习效果准确率较好，最终求解得出的预测结构变量数据表格在模型求解中。

第三小问是基于多项式拟合进行变量的相关性分析而进行题目的求解。通过对附件data3表格中对数据的处理和函数运算，先通过多项式拟合结构变量和产品性能的关系，通过判断相关系数优度调参处理达到最优值，通过模型求解中的热力图展现了变量的相关性分析；然后对结构变量和产品性能进行多项式拟合，通过调参寻求过滤效率的最优解，过滤效率最大为83%左右，其中达到最大后曲线呈现下降的趋势，则过滤效率最大化时的最佳工艺参数为对应data3的接收距离为20，热风速度为1200。

第四小问是基于目标函数的构造和粒子群算法寻优而进行题目的求解。通过根据题目所给的条件限制情况对数据的处理和函数运算，先进行模型的建立和约束条件的设定，然后构造出目标函数同时引入粒子群算法寻优解，最终得出最优时的过滤效率以及过滤阻力时的工艺参数——接收距离为40以及热风速度为800，或者接收距离为20，热风速度为800。

关键词 决策树预测 随机森林预测  K-mean算法聚类  粒子群算法寻优 多项式拟合

• 问题重述

1.1问题背景

图 1熔喷插层法口罩织造流程图

疫情大背景下，口罩生产尤为重要，熔喷非织造布行业目前处于成长期，应用领域广泛，而熔喷非织造材料是口罩生产的重要原材料。其具有良好的过滤性能且成本低等特点，但是同时存在着材料纤维过细使用过程性能无法保障。对此，插层熔喷纤维流法应运而生，由于其制备流程决定因素较多，为了能够使得工艺参数与结构变量、结构变量和产品性能之间模型效果更好，我们需要探讨相关问题。

1.2问题概述

问题一需要研究对于结构变量和产品性能两方面在插层前后的变化规律，同时得出插层率对于两方面的影响与否。

问题二需要探究工艺参数和结构变量两方面的关系，同时根据表1的数据相关性，在其中填入预测的结构变量结果。

问题三需要探究结构变量和产品性能两方面及其之间的关系，同时根据第二问的研究结果，得出过滤效率变量达到峰值时的工艺参数值。

问题四需要根据实际情况中的限制条件以及安全因素，为了提高产品生产效率，达到过滤阻力小的目标，得出过滤效率尽量高的同时过滤阻力尽量小的工艺参数值。

• 问题分析

2.1问题1分析

本小题所要求解的目标是将相关变量进行相关性分析，首先对表格附件data1中的数据进行筛选，根据表格data2的样式等距分为插层前后数据值，然后绘制出相关变量插层前后的条形图，通过相关性分析以及热力图和相关系数表得出插层前后结构变量和产品性能的变化规律；通过设定临界值得出插层率对变量的影响。

图 2问题1流程图

2.2问题2分析

本题所要求解的目标是探究变量关系以及预测结果，首先对表格附件data3中进行数据预处理，对于拟合效果较好的部分进行随机森林预测算法并进行检验，对于拟合效果较差的部分进行K-means算法聚类并进行检验，将上述算法优点结合且将预测之后的数值填入表1。

图 3问题2流程图

2.3问题3分析

本题所要求解的目标是探究变量关系以及根据条件求值，首先对表格附件data3中数据进行相应变量预处理，采取多项式拟合得出相关变量关系后寻找最优过滤效率；然后根据拟合结果进行相关系数循环调参判断其他参数优度，通过热力图呈现变量相关性分析结果。

图 4问题3流程图

2.4问题4分析

本题所要求解的目标是根据限制条件求其工艺参数值，首先根据题目所给限制列出约束条件，然后建立双目标函数，引入粒子群算法寻优解，最终可得出结果。

图 5问题4流程图