# DividedProcessing

**Repository Path**: luo-tiantian/divided-processing

## Basic Information

- **Project Name**: DividedProcessing
- **Description**: Classification task through gradient boosting tree (GBDT)
- **Primary Language**: Python
- **License**: GPL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2021-10-25
- **Last Updated**: 2022-06-06

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# DividedProcessing

## 介绍
Classification task through gradient boosting tree (GBDT)

### 任务
氧化铝液体分层，分成空气层、清液层、絮凝层、淤泥层。在液体容器外侧从上到下均匀安装温度传感器，
共360个。根据温度的差异找到相应的分层界面。其中空气层和清液层分界面、清液层和絮凝层分界面差异较大，
絮凝层和淤泥层分界面温度差异较小。

### 方案
通过梯度提升树（GBDT）进行分类，找到相应的分层界面。


![原理图](data/lo.jpg)


### 存在问题
- 1、通过数据可以知道，絮凝层和淤泥层分界面温度差异过小，很难仅仅通过温度特征获取分界面；
- 2、数据量过小，仅仅只有30+组数据，很难通过机器学习去训练；
- 3、特征过于单薄，仅仅只有温度一个变量。影响分界面可能还存在其他特征；

### 思路
- 1、传统分类如GBDT效果不甚理想，360个传感器对应的温度是渐变的，相互之间具有关联，可以采用序列输入学习；
- 2、不同时刻的温度输入，其物理性质、物理环境类似，采用类似时间序列可能有效果；
- 3、输入数据存在部分噪声，可以增加一个滤波器去燥处理


### 数据清洗
- 1、输入数据中存在空值、毛误差值，空值填充0；
- 2、k、q、y传感器位置与其具体数值存在映射关系K=（360-K传）*0.5+0.6，个别数据没有准确对应

### 数据处理
- 不同时刻的传感器温度曲线类似，如下图

![原理图](data/foureDate.png)

- 所有数据的温度-传感器位置图

![原理图](data/dataAll.png)

- 三个分层界面大概位置如下

![原理图](data/feature.png)

- 三个分层界面具体位置如下

![原理图](data/allPoint.png)


### 处理效果

- 误差：机测分层点、预测分层点、实际分层点
- machine_bias:机测分层点与实际分层点的差
- predict_bias:预测分层点与实际分层点的差

![原理图](data/predict_qq.png)

- 绝对值误差：机测分层点、预测分层点、实际分层点
- machine_bias:机测分层点与实际分层点的差的绝对值
- predict_bias:预测分层点与实际分层点的差的绝对值

![原理图](data/predict_qq_abs.png)

### 参与贡献
 
1.  丁晨
2.  罗灿