范晓东*,张亚萍,冯睿哲,王 硕,王勇皓

(1.吉林化工学院 理学院,吉林 吉林 132022；2.吉林化工学院 信息与控制工程学院,吉林 吉林 132022)

C4 烯烃作为一种重要的化工原料,它被广泛的应用于医药和化工产品的生产。采用乙醇制备C4 烯烃具有巨大的经济效益和应用前景,近年来受到了国内外的广泛关注[1]。在制备过程中,温度和催化剂组合对C4 烯烃收率将产生影响。现研究如何选择温度和催化剂组合,使得在其它实验条件不变的情况下C4 烯烃收率尽可能高。随机森林是一类重要的机器学习算法,也是一类集成学习算法[2-3],被广泛应用于回归和分类问题[4-5],但基于随机森林的C4 烯烃收率的回归分析的研究还未见报道,本研究选取催化剂组合和温度为特征变量,建立基于随机森林的回归模型来预测不同催化剂组合和温度下的C4 烯烃收率。

1 随机森林回归模型

1.1 决策树

随机森林中使用的树是基于二叉递归分割树,这些树对每个变量进行二叉分割的方法,并对预测空间进行分割。树的根结点由整个的预测空间构成,没有被分割的结点被称为终端结点,它们最终形成了对整个预测空间的分割。每个非终端结点被分成两个子结点,即左结点和右结点。决策树的算法见文献[6]第8章。

1.2 随机森林算法

设D= {(x1,y1), …,(x N,yN)}表示训练数据,其中xi= (xi1,xi2, … ,xip)T。对于j= 1,2, …,J：

1.2.1 从D 中选取容量为N 的自助抽样样本Dj。

1.2.2 使用自助抽样样本Dj做为训练数据,使用二叉递归分割拟合一棵决策树。

（1） 对于每个结点都从所有观测变量开始。……