二、基于内因 外因的水处理系统参数预测实验

1. 数据集介绍

以某电厂水处理系统为例，对系统中三类过滤器（多介质过滤器、超滤装置和反渗透装置）的32个参数如入口流量、压差、浊度电导率进行t 12h（对12h之后的数据进行预测）的长窗预测。

本次实验选取2020-01-18 00:00:00 到2020-12-24 00:00:00共48960个连续时间点的数据作为本次实验的数据集，并以10min的采样间隔读取预测参数和特征参数数据。

图2  某电厂水处理系统

2. 基于内因 外因的样本集构造方法

以当前时刻为基准时刻t，取[t-2h,t]（使用前2小时内的历史数据）区间内的预测参数和外部特征参数数据为样本输入，t 12h时间点的数据为样本输出以此构造单个完整样本；然后采用滑动时间窗口方法构造算法所需的样本集。样本集的构造方法如图3所示，该方法的输入数据含有预测参数的历史数据和外部特征参数，为基于内因 外因的样本集构造方法。

图3  基于内因 外因的样本集构造方法 

整个水处理系统共有16台设备，180个监测参数，由于过多的特征不经过特征工程处理时会导致维度爆炸，本文选取了与预测参数同属一台设备的其他监测参数作为外部特征，比如当预测对象为反渗透一段入口流量时，选取反渗透一段压差和反渗透一段浓水流量作为外部特征。

3. 基于DTEmpower的数据建模和调试

使用基于内因 外因的样本集构造方法构建的数据集，基于DTEmpower平台 完成数据预处理、特征筛选、特征工程、模型训练和评估的数据建模流程。在特征变化之后应该选用何种机器学习算法进行训练呢？DTEmpower提供了多种回归算法供用户选择，并且每种算法都提供了超参优化功能。

本文使用其中的 GBDT（Gradient Boosting Decision Tree）、Bagging、随机森林（Random Forest, RF）和极端随机树（ExtraTrees）4种算法对反渗透一段入口流量进行预测，取4种算法中R2指标最高的模型。

图4  水处理系统参数预测建模流程

如图4所示，利用DTEmpower集成的数据预处理、模型训练和模型评估等模块，搭建了参数预测的模板流程。

通过复用该模板流程，可以加载基于内因的、基于内因和不同外因的多种数据集；通过调节模板流程中算法节点的参数，如异常点清理（AIOD，AIoutliers drop节点）、重要性阈值（MDI节点）、降维控件（PCA节点）可以为预测模型构建不同的特征，以此为探索不同的数据和特征提供功能强大、使用方便的实验平台。

结合DTEmpower的模型复用，对反渗透一段入口流量的试验过程和结果如图5所示，通过对不同外因的探索以及模板流程中算法节点参数的调试，可以将预测模型的R2指标从0.68提高到0.94。

图5  基于DTEmpower实现“层层递进式”的数据建模水平提升

图中两个外因分别指反渗透一段压差和反渗透一段浓水流量。

4. 实验结果和分析

① 针对水处理系统的参数预测模型，当基于内因的模型精度较低时，需要对数据和特征进行探索和尝试，引入预测参数以外的特征是一个值得尝试的方向。

② 通过合理地选择外部特征并引入MDI/PCA等特征工程技术，既可以提升输入信息富集度从而有助于提升模型预测精度，又可以缓解因输入特征过多导致的维度爆炸、模型难以训练的问题。

③以反渗透一段入口流量为例，通过引入不同的“内因 外因”特征，能将其预测模型的R2指标从0.68提高到0.94。