纸张抗张强度的预测方法、装置、设备及存储介质

技术领域

本申请涉及纸张质量检测技术领域，尤其涉及一种纸张抗张强度的预测方法、装置、设备及存储介质。

背景技术

近年来，各种纸张(比如，生活用纸、印刷用纸、以及包装用纸等)的用量在不断的快速增长。为了在确保纸张的产量的同时，确保纸张的质量，以避免市场上出现大批量的不合格纸张，目前，相关人员会定期对各造纸工厂生产出的纸张的质量进行检测。

现有技术中，一般采用人工测量法对纸张的质量进行检测。具体的，对于待测纸张，可以先由人工通过仪器对待测纸张的抗张强度(指在标准试验方法规定的条件下，单位宽度的纸张断裂前所能承受的最大拉力)进行测量，之后可以以待测纸张的抗张强度作为纸张质量检测指标，确定待测纸张的质量是否合格。

然而，人工测量法会对待测纸张造成损坏，所以难以通过人工测量法对大批量纸张的抗张强度进行测量，导致目前对于各造纸工厂生产出的纸张的质检覆盖率很低。并且，人工测量法的不稳定因素较多，测量结果的准确率不高。

发明内容

本申请提供一种纸张抗张强度的预测方法、装置、设备及存储介质，该方案可以适用于对大批量纸张的抗张强度进行测量，从而可以提高对于各造纸工厂生产出的纸张的质检覆盖率，并且，可以提高确定出的抗张强度的准确率。

为达到上述目的，本申请采用如下技术方案：

第一方面，本申请提供一种纸张抗张强度的预测方法，包括：获取待测纸张的各目标监测特征数据；基于各预设特征重组规则分别对应的关联数据标识组，从各目标监测特征数据中确定出各预设特征重组规则分别对应的候选监测特征数据集，并根据各预设特征重组规则、以及各候选监测特征数据集，确定各预设特征重组规则分别对应的衍生特征数据；根据各目标监测特征数据、以及各衍生特征数据，确定待测纸张的抗张强度。

本申请提供的技术方案中，可以先获取待测纸张的各目标监测特征数据，然后基于各目标监测特征数据确定待测纸张的抗张强度。其中，各目标监测特征数据可以是与待测纸张的抗张强度相关的特征数据，也即是可以间接反映出待测纸张的抗张强度；并且，各目标监测特征数据通过对待测纸张进行监测即可获取，获取过程不会对待测纸张造成损坏。可以看出，本申请没有直接对抗张强度进行测量，而是基于与抗张强度相关的各目标监测特征数据间接确定，因此，本申请提供的技术方案可以适用于对大批量纸张的抗张强度进行测量，从而可以提高对于各造纸工厂生产出的纸张的质检覆盖率。另外，本申请还可以预先确定出各预设特征重组规则、并预先为各预设特征重组规则分别匹配对应的关联数据标识组。获取到各目标监测特征数据后，可以基于各预设特征重组规则、以及各预设特征重组规则分别对应的关联数据标识组对各目标监测特征数据进行重组，确定出针对待测纸张的各衍生特征数据，之后，可以结合各目标监测特征数据和各衍生特征数据确定待测纸张的抗张强度。这样，通过构造各衍生特征数据，可以实现对特征数据的种类的扩展，通过更多种类的特征数据确定待测纸张的抗张强度，可以提高确定出的抗张强度的准确率。

可选的，在一种可能的设计方式中，各目标监测特征数据至少包括各纸张质量监测数据，各纸张质量监测数据至少包括平均纤维粗度、平均纤维宽度、长纤占比、以及细小纤维含量分别对应的监测数据，各预设特征重组规则至少包括纤维细度特征重组规则、以及纤维比例特征重组规则；

其中，纤维细度特征重组规则对应的关联数据标识组中包括平均纤维粗度、以及平均纤维宽度分别对应的数据标识；纤维比例特征重组规则对应的关联数据标识组中包括长纤占比、以及细小纤维含量分别对应的数据标识。

可选的，在另一种可能的设计方式中，各目标监测特征数据至少包括各工序运行监测数据，各工序运行监测数据至少包括磨浆流量、磨浆功率、以及磨浆浓度分别对应的监测数据，各预设特征重组规则至少包括磨浆功耗特征重组规则、磨浆功耗浓度特征重组规则、以及能耗效率特征重组规则；

其中，磨浆功耗特征重组规则对应的关联数据标识组中包括磨浆流量、以及磨浆功率分别对应的数据标识；磨浆功耗浓度特征重组规则对应的关联数据标识组中包括磨浆浓度、以及磨浆功率分别对应的数据标识；能耗效率特征重组规则对应的关联数据标识组中包括磨浆流量、磨浆浓度、以及磨浆功率分别对应的数据标识。

可选的，在另一种可能的设计方式中，各目标监测特征数据至少包括各纸张质量监测数据、以及各工序运行监测数据，各纸张质量监测数据至少包括检测厚度，各工序运行监测数据至少包括磨浆功率，各预设特征重组规则至少包括能量利用率特征重组规则；

其中，能量利用率特征重组规则对应的关联数据标识组中包括检测厚度、以及磨浆功率分别对应的数据标识。

可选的，在另一种可能的设计方式中，根据各目标监测特征数据、以及各衍生特征数据，确定待测纸张的抗张强度，包括：

将各目标监测特征数据、以及各衍生特征数据输入预先训练的抗张强度第一预测模型，得到抗张强度第一预测模型输出的第一预测数据；

基于第一预测数据确定待测纸张的抗张强度。

可选的，在另一种可能的设计方式中，基于第一预测数据确定待测纸张的抗张强度，包括：

将各目标监测特征数据输入预先训练的抗张强度第二预测模型，得到抗张强度第二预测模型输出的第二预测数据；

基于第一预测数据、以及第二预测数据，确定待测纸张的抗张强度。

可选的，在另一种可能的设计方式中，抗张强度第一预测模型根据样本输入训练集、以及样本输出训练集预先训练得到；其中，样本输入训练集包括N个样本分别对应的各样本监测特征数据，样本输出训练集包括N个样本分别对应的抗张强度的预处理值，且N为正整数；

基于第一预测数据确定待测纸张的抗张强度，包括：对第一预测数据进行还原处理，得到第一预测结果；基于第一预测结果确定待测纸张的抗张强度。

第二方面，本申请提供一种纸张抗张强度的预测装置，包括：获取模块、以及确定模块；

获取模块，用于获取待测纸张的各目标监测特征数据；

确定模块，用于基于各预设特征重组规则分别对应的关联数据标识组，从各目标监测特征数据中确定出各预设特征重组规则分别对应的候选监测特征数据集，并根据各预设特征重组规则、以及各候选监测特征数据集，确定各预设特征重组规则分别对应的衍生特征数据；

确定模块，还用于根据各目标监测特征数据、以及各衍生特征数据，确定待测纸张的抗张强度。

可选的，在一种可能的设计方式中，各目标监测特征数据至少包括各纸张质量监测数据，各纸张质量监测数据至少包括平均纤维粗度、平均纤维宽度、长纤占比、以及细小纤维含量分别对应的监测数据，各预设特征重组规则至少包括纤维细度特征重组规则、以及纤维比例特征重组规则；

其中，纤维细度特征重组规则对应的关联数据标识组中包括平均纤维粗度、以及平均纤维宽度分别对应的数据标识；纤维比例特征重组规则对应的关联数据标识组中包括长纤占比、以及细小纤维含量分别对应的数据标识。

可选的，在另一种可能的设计方式中，各目标监测特征数据至少包括各工序运行监测数据，各工序运行监测数据至少包括磨浆流量、磨浆功率、以及磨浆浓度分别对应的监测数据，各预设特征重组规则至少包括磨浆功耗特征重组规则、磨浆功耗浓度特征重组规则、以及能耗效率特征重组规则；

其中，磨浆功耗特征重组规则对应的关联数据标识组中包括磨浆流量、以及磨浆功率分别对应的数据标识；磨浆功耗浓度特征重组规则对应的关联数据标识组中包括磨浆浓度、以及磨浆功率分别对应的数据标识；能耗效率特征重组规则对应的关联数据标识组中包括磨浆流量、磨浆浓度、以及磨浆功率分别对应的数据标识。

可选的，在另一种可能的设计方式中，各目标监测特征数据至少包括各纸张质量监测数据、以及各工序运行监测数据，各纸张质量监测数据至少包括检测厚度，各工序运行监测数据至少包括磨浆功率，各预设特征重组规则至少包括能量利用率特征重组规则；

其中，能量利用率特征重组规则对应的关联数据标识组中包括检测厚度、以及磨浆功率分别对应的数据标识。

可选的，在另一种可能的设计方式中，确定模块具体用于：

将各目标监测特征数据、以及各衍生特征数据输入预先训练的抗张强度第一预测模型，得到抗张强度第一预测模型输出的第一预测数据；

基于第一预测数据确定待测纸张的抗张强度。

可选的，在另一种可能的设计方式中，确定模块具体还用于：

将各目标监测特征数据输入预先训练的抗张强度第二预测模型，得到抗张强度第二预测模型输出的第二预测数据；

基于第一预测数据、以及第二预测数据，确定待测纸张的抗张强度。

可选的，在另一种可能的设计方式中，抗张强度第一预测模型根据样本输入训练集、以及样本输出训练集预先训练得到；其中，样本输入训练集包括N个样本分别对应的各样本监测特征数据，样本输出训练集包括N个样本分别对应的抗张强度的预处理值，且N为正整数；

确定模块具体还用于：对第一预测数据进行还原处理，得到第一预测结果；基于第一预测结果确定待测纸张的抗张强度。

第三方面，本申请提供一种纸张抗张强度的预测设备，包括存储器、处理器、总线和通信接口；存储器用于存储计算机执行指令，处理器与存储器通过总线连接；当纸张抗张强度的预测设备运行时，处理器执行存储器存储的计算机执行指令，以使纸张抗张强度的预测设备执行如上述第一方面提供的纸张抗张强度的预测方法。

第四方面，本申请提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当计算机执行指令时，使得计算机执行如第一方面提供的纸张抗张强度的预测方法。

第五方面，本申请提供一种计算机程序产品，该计算机程序产品包括计算机指令，当计算机指令在计算机上运行时，使得计算机执行如第一方面提供的纸张抗张强度的预测方法。

需要说明的是，上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中，计算机可读存储介质可以与纸张抗张强度的预测设备的处理器封装在一起的，也可以与纸张抗张强度的预测设备的处理器单独封装，本申请对此不做限定。

本申请中第二方面、第三方面、第四方面以及第五方面的描述，可以参考第一方面的详细描述；并且，第二方面、第三方面、第四方面以及第五方面的描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。

在本申请中，对于上述涉及到的设备或功能模块的名称不构成限定，在实际实现中，这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本申请类似，均属于本申请及其等同技术的范围之内。

本申请的这些方面或其他方面在以下的描述中会更加简明易懂。

附图说明

图1为本申请实施例提供的一种纸张抗张强度的预测方法的流程示意图；

图2为本申请实施例提供的另一种纸张抗张强度的预测方法的流程示意图；

图3为本申请实施例提供的又一种纸张抗张强度的预测方法的流程示意图；

图4为本申请实施例提供的又一种纸张抗张强度的预测方法的流程示意图；

图5为本申请实施例提供的一种纸张抗张强度的预测装置的结构示意图；

图6为本申请实施例提供的一种纸张抗张强度的预测设备的结构示意图。

具体实施方式

下面结合附图对本申请实施例提供的纸张抗张强度的预测方法、装置、设备及存储介质进行详细地描述。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。

本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象，或者用于区别对同一对象的不同处理，而不是用于描述对象的特定顺序。

此外，本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选的还包括其他没有列出的步骤或单元，或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

在本申请的描述中，除非另有说明，“多个”的含义是指两个或两个以上。

另外，本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

现有技术中，一般采用人工测量法对纸张的质量进行检测。然而，人工测量法会对待测纸张造成损坏，所以难以通过人工测量法对大批量纸张的抗张强度进行测量，导致目前对于各造纸工厂生产出的纸张的质检覆盖率很低。并且，人工测量法的不稳定因素较多，测量结果的准确率不高。

针对上述现有技术中存在的问题，本申请实施例提供了一种纸张抗张强度的预测方法，该方案可以适用于对大批量纸张的抗张强度进行测量，从而可以提高对于各造纸工厂生产出的纸张的质检覆盖率，并且，可以提高确定出的抗张强度的准确率。

本申请实施例提供的纸张抗张强度的预测方法可以由本申请实施例提供的纸张抗张强度的预测装置来执行，该装置可以通过软件和/或硬件的方式实现，并集成在执行本方法的纸张抗张强度的预测设备中。

下面结合附图对本申请提供的纸张抗张强度的预测方法进行说明。

参照图1，本申请实施例提供的纸张抗张强度的预测方法包括S101-S103：

S101、获取待测纸张的各目标监测特征数据。

其中，目标监测特征数据可以是与待测纸张的抗张强度相关的特征数据，目标监测特征数据可以间接反映出待测纸张的抗张强度；并且，目标监测特征数据通过对待测纸张进行监测即可获取，获取过程不会对待测纸张造成损坏。示例性的，目标监测特征数据可以包括分丝帚化率、扭结纤维百分比、断尾纤维百分比等。

S102、基于各预设特征重组规则分别对应的关联数据标识组，从各目标监测特征数据中确定出各预设特征重组规则分别对应的候选监测特征数据集，并根据各预设特征重组规则、以及各候选监测特征数据集，确定各预设特征重组规则分别对应的衍生特征数据。

预设特征重组规则可以是预先确定的对各监测特征数据(各目标监测特征数据或各样本监测特征数据)中的至少两个监测特征数据进行特征重组的规则。示例性的，预设特征重组规则可以是运算规则。并且，本申请实施例可以预先为各预设特征重组规则匹配对应的关联数据标识组，关联数据标识组中包括至少两个数据标识。

在一种可能的实现方式中，对于各预设特征重组规则中的当前预设特征重组规则，若当前预设特征重组规则对应的关联数据标识组中包括数据标识A和数据标识B，数据标识A为各目标监测特征数据中的目标监测特征数据A的数据标识，数据标识B为各目标监测特征数据中的目标监测特征数据B的数据标识，则可以将包括目标监测特征数据A和目标监测特征数据B的候选监测特征数据集确定为当前预设特征重组规则对应的候选监测特征数据集A。之后，可以通过当前预设特征重组规则中的运算规则对目标监测特征数据A和目标监测特征数据B进行运算，则可以得到当前预设特征重组规则对应的衍生特征数据A。

可选的，各目标监测特征数据至少包括各纸张质量监测数据，各纸张质量监测数据至少包括平均纤维粗度、平均纤维宽度、长纤占比、以及细小纤维含量分别对应的监测数据，各预设特征重组规则至少包括纤维细度特征重组规则、以及纤维比例特征重组规则；其中，纤维细度特征重组规则对应的关联数据标识组中包括平均纤维粗度、以及平均纤维宽度分别对应的数据标识；纤维比例特征重组规则对应的关联数据标识组中包括长纤占比、以及细小纤维含量分别对应的数据标识。

纸张质量监测数据可以是对产出的纸张的一些性能指标进行监测得到的监测数据。在实际应用中，纸张质量监测数据还可以包括分丝帚化率、扭结纤维百分比、以及断尾纤维百分比等。

在一种可能的实现方式中，纤维细度特征重组规则的运算规则对应的表达式可以是：平均纤维粗度/平均纤维宽度。也即是，可以根据平均纤维粗度与平均纤维宽度的比值确定纤维细度特征重组规则对应的衍生特征数据。

纤维粗度与纤维宽度的比值可以表征纤维横截面的直径与纤维的宽度之间的比例关系，该比值会对纤维材料的纸张的加工性能和纸张质量产生一定的影响。并且，该比值会对纸张的柔软性、拉伸性、耐磨性等物理性能，以及纸张的透气性、吸湿性等化学性能产生一定的影响。因此，本申请实施例中，可以将平均纤维粗度与平均纤维宽度的比值确定为一个衍生特征数据。

在一种可能的实现方式中，纤维比例特征重组规则的运算规则对应的表达式可以是：长纤占比/细小纤维含量。也即是，可以根据长纤占比与细小纤维含量的比值确定纤维比例特征重组规则对应的衍生特征数据。

长纤占比与细小纤维含量的比值可以表征纤维混合物中的长纤维相对于细小纤维的比例或含量，该比值越大，表示长纤维在纤维混合物中所占比例越高；反之，该比值越小，表示长纤维在纤维混合物中所占比例越低。长纤维通常具有较高的强度、柔韧性、以及稳定性，而细小纤维则更容易形成柔软、蓬松的纸品，所以，长纤占比与细小纤维含量的比值也会对纤维材料的纸张的加工性能和纸张质量产生一定的影响。因此，本申请实施例中，可以将长纤占比与细小纤维含量的比值确定为一个衍生特征数据。

可选的，各目标监测特征数据至少包括各工序运行监测数据，各工序运行监测数据至少包括磨浆流量、磨浆功率、以及磨浆浓度分别对应的监测数据，各预设特征重组规则至少包括磨浆功耗特征重组规则、磨浆功耗浓度特征重组规则、以及能耗效率特征重组规则；其中，磨浆功耗特征重组规则对应的关联数据标识组中包括磨浆流量、以及磨浆功率分别对应的数据标识；磨浆功耗浓度特征重组规则对应的关联数据标识组中包括磨浆浓度、以及磨浆功率分别对应的数据标识；能耗效率特征重组规则对应的关联数据标识组中包括磨浆流量、磨浆浓度、以及磨浆功率分别对应的数据标识。

工序运行监测数据可以是对纸张生产过程中的生产设备的运行参数、以及加工材料的材料配比等进行监测得到的监测数据。在实际应用中，工序运行监测数据还可以包括原料浆板配比、刮刀使用时长等。

在一种可能的实现方式中，磨浆功耗特征重组规则的运算规则对应的表达式可以是：磨浆流量/磨浆功率。也即是，可以根据磨浆流量与磨浆功率的比值确定磨浆功耗特征重组规则对应的衍生特征数据。

磨浆流量与磨浆功率的比值可以表征单位磨浆流量所耗的磨浆功率大小。磨浆是指在生产纸张过程中将原料或者其他物质进行研磨、混合等处理的过程。磨浆流量指的是在磨浆过程中通过系统的流体或者悬浮液的流量，磨浆功率可以表征用于研磨和混合的能量消耗。磨浆流量与磨浆功率的比值可以作为衡量磨浆过程中能量利用效率的指标，该比值越大，表示单位磨浆流量下所耗的磨浆功率越高，对纤维的研磨更加充分。但是，当该比值超出一定阈值时，会出现过度磨浆的情况，该情况会破坏纤维的完整性，对纸张的抗张强度产生负面影响。因此，本申请实施例中，可以将磨浆流量与磨浆功率的比值确定为一个衍生特征数据。

在一种可能的实现方式中，磨浆功耗浓度特征重组规则的运算规则对应的表达式可以是：磨浆浓度/磨浆功率。也即是，可以根据磨浆浓度与磨浆功率的比值确定磨浆功耗浓度特征重组规则对应的衍生特征数据。

磨浆浓度与磨浆功率的比值可以表征单位磨浆浓度所耗的磨浆功率大小，磨浆浓度是指在磨浆过程中所用悬浮液或浆料中的固体物质的含量。磨浆浓度与磨浆功率的比值可以作为衡量磨浆过程中能量利用效率的指标，该比值越小，表示在单位磨浆浓度下所耗的磨浆功率越低，可能会导致对纤维磨浆的研磨不充分，影响纤维之间的结合力，降低抗张强度。因此，本申请实施例中，可以以磨浆浓度与磨浆功率的比值作为一个衍生特征数据。

在一种可能的实现方式中，能耗效率特征重组规则的运算规则对应的表达式可以是：磨浆流量*磨浆浓度/磨浆功率。也即是，可以根据该表达式对磨浆流量、磨浆功率、以及磨浆浓度分别对应的监测数据进行运算，得到能耗效率特征重组规则对应的衍生特征数据。

磨浆流量*磨浆浓度与磨浆功率的比值可以表征纸张生产过程中的能耗指标，也即是该比值可以用来评估纸张生产过程中的能耗效率，即生产单位流量和单位浓度的纸浆所消耗的能量。因此，本申请实施例中，可以以磨浆流量*磨浆浓度与磨浆功率的比值作为一个衍生特征数据。

可选的，各目标监测特征数据至少包括各纸张质量监测数据、以及各工序运行监测数据，各纸张质量监测数据至少包括检测厚度，各工序运行监测数据至少包括磨浆功率，各预设特征重组规则至少包括能量利用率特征重组规则；其中，能量利用率特征重组规则对应的关联数据标识组中包括检测厚度、以及磨浆功率分别对应的数据标识。

在一种可能的实现方式中，能量利用率特征重组规则的运算规则对应的表达式可以是：检测厚度/磨浆功率。也即是，可以根据检测厚度与磨浆功率的比值确定能量利用率特征重组规则对应的衍生特征数据。

检测厚度是指纸张在生产过程中经过的每一层纸浆的厚度，检测厚度与磨浆功率的比值可以用来评估纸张生产过程中的能源效率，即单位厚度的纸浆所消耗的能量。该比值越高，表示在生产同等纸张时，所消耗的能量越低，该比值虽然不是与抗张强度相关的直接指标，但是是反映生产效率和能源利用效率的间接指标。因此，本申请实施例中，可以以测厚度与磨浆功率的比值作为一个衍生特征数据。

S103、根据各目标监测特征数据、以及各衍生特征数据，确定待测纸张的抗张强度。

在一种可能的实现方式中，本申请实施例可以预先确定出待测纸张的抗张强度与各目标监测特征数据、以及各衍生特征数据之间的关联程度，之后可以根据关联程度对各目标监测特征数据、以及各衍生特征数据进行加权，最终得到待测纸张的抗张强度。

可选的，根据各目标监测特征数据、以及各衍生特征数据，确定待测纸张的抗张强度，包括：将各目标监测特征数据、以及各衍生特征数据输入预先训练的抗张强度第一预测模型，得到抗张强度第一预测模型输出的第一预测数据；基于第一预测数据确定待测纸张的抗张强度。

其中，抗张强度第一预测模型可以是基于小批量样本的各样本监测特征数据、小批量样本的各样本衍生特征数据、以及小批量样本的实际抗张强度，采用第一预设算法预先训练得到的机器学习模型。示例性的，第一预设算法可以是轻量级梯度提升机(LightGradient Boosting Machine，LightGBM)算法。

本申请实施例中，可以通过预先训练的机器学习模型来对待测纸张的抗张强度进行预测。而本申请实施例中构造的多个衍生特征数据可以向机器学习模型提供更多类型的特征信息，这样，机器学习模型可以更好的捕捉各目标监测特征数据与抗张强度之间的关系，以更好的理解和预测抗张强度，从而可以提高预测准确性和稳定性。

可选的，基于第一预测数据确定待测纸张的抗张强度，包括：将各目标监测特征数据输入预先训练的抗张强度第二预测模型，得到抗张强度第二预测模型输出的第二预测数据；基于第一预测数据、以及第二预测数据，确定待测纸张的抗张强度。

其中，抗张强度第二预测模型可以是基于小批量样本的各样本监测特征数据、以及小批量样本的实际抗张强度，采用第二预设算法预先训练得到的机器学习模型。示例性的，第二预设算法可以是类别型特征提升(categorical boosting，catboost)算法。

在实际应用中，相比衍生特征数据，原始的监测特征数据(各目标监测特征数据)与抗张强度的关联度更高，所以，本申请实施例中，可以通过另一机器学习模型对原始的监测特征数据进行学习，得到抗张强度第二预测模型。在确定待测纸张的抗张强度时，可以对抗张强度第二预测模型和抗张强度第一预测模型的预测结果进行加权，得到最终的预测结果，这样，可以进一步提高预测结果的准确性。

可选的，抗张强度第一预测模型根据样本输入训练集、以及样本输出训练集预先训练得到；其中，样本输入训练集包括N个样本分别对应的各样本监测特征数据，样本输出训练集包括N个样本分别对应的抗张强度的预处理值，且N为正整数；基于第一预测数据确定待测纸张的抗张强度，包括：对第一预测数据进行还原处理，得到第一预测结果；基于第一预测结果确定待测纸张的抗张强度。

为了进一步提高预测结果的准确性，本申请实施例中，在训练抗张强度第一预测模型时，可以对N个样本分别对应的抗张强度进行预处理，然后以N个样本分别对应的抗张强度的预处理值作为样本输出值进行模型训练。对应的，在实际应用中，得到抗张强度第一预测模型输出的结果时，需要对输出结果进行还原才可以得到待测纸张的抗张强度。

进一步可选的，抗张强度第二预测模型的训练过程中也可以对各样本分别对应的抗张强度进行预处理。

示例性的，若用y表示抗张强度，则对抗张强度进行预处理也即是对y做log平滑处理，得到log(y)。对应的，得到抗张强度第一预测模型输出的结果时，可以通过np.exp(y)对预测值进行还原。

综合以上描述，本申请实施例提供的纸张抗张强度的预测方法中，可以先获取待测纸张的各目标监测特征数据，然后基于各目标监测特征数据确定待测纸张的抗张强度。其中，各目标监测特征数据可以是与待测纸张的抗张强度相关的特征数据，也即是可以间接反映出待测纸张的抗张强度；并且，各目标监测特征数据通过对待测纸张进行监测即可获取，获取过程不会对待测纸张造成损坏。可以看出，本申请实施例没有直接对抗张强度进行测量，而是基于与抗张强度相关的各目标监测特征数据间接确定，因此，本申请实施例提供的纸张抗张强度的预测方法可以适用于对大批量纸张的抗张强度进行测量，从而可以提高对于各造纸工厂生产出的纸张的质检覆盖率。另外，本申请实施例还可以预先确定出各预设特征重组规则、并预先为各预设特征重组规则分别匹配对应的关联数据标识组。获取到各目标监测特征数据后，可以基于各预设特征重组规则、以及各预设特征重组规则分别对应的关联数据标识组对各目标监测特征数据进行重组，确定出针对待测纸张的各衍生特征数据，之后，可以结合各目标监测特征数据和各衍生特征数据确定待测纸张的抗张强度。这样，通过构造各衍生特征数据，可以实现对特征数据的种类的扩展，通过更多种类的特征数据确定待测纸张的抗张强度，可以提高确定出的抗张强度的准确率。

可选的，如图2所示，本申请实施例还提供了一种纸张抗张强度的预测方法，包括S201-S204：

S201、获取待测纸张的各目标监测特征数据。

S202、基于纤维细度特征重组规则、纤维比例特征重组规则、磨浆功耗特征重组规则、磨浆功耗浓度特征重组规则、能耗效率特征重组规则、以及能量利用率特征重组规则分别对应的关联数据标识组，确定纤维细度特征重组规则、纤维比例特征重组规则、磨浆功耗特征重组规则、磨浆功耗浓度特征重组规则、能耗效率特征重组规则、以及能量利用率特征重组规则分别对应的候选监测特征数据集。

S203、基于纤维细度特征重组规则、纤维比例特征重组规则、磨浆功耗特征重组规则、磨浆功耗浓度特征重组规则、能耗效率特征重组规则、以及能量利用率特征重组规则，对对应的候选监测特征数据集进行特征重组，确定出各衍生特征数据。

S204、根据各目标监测特征数据、以及各衍生特征数据，确定待测纸张的抗张强度。

可选的，如图3所示，本申请实施例还提供了一种纸张抗张强度的预测方法，包括S301-S305：

S301、获取待测纸张的各目标监测特征数据。

S302、基于各预设特征重组规则分别对应的关联数据标识组，从各目标监测特征数据中确定出各预设特征重组规则分别对应的候选监测特征数据集，并根据各预设特征重组规则、以及各候选监测特征数据集，确定各预设特征重组规则分别对应的衍生特征数据。

S303、将各目标监测特征数据、以及各衍生特征数据输入抗张强度第一预测模型，得到抗张强度第一预测模型输出的第一预测数据。

S304、将各目标监测特征数据输入抗张强度第二预测模型，得到抗张强度第二预测模型输出的第二预测数据。

S305、基于第一预测数据、以及第二预测数据，确定待测纸张的抗张强度。

可选的，如图4所示，本申请实施例还提供了一种纸张抗张强度的预测方法，包括S401-S408：

S401、获取N个样本分别对应的各样本监测特征数据、以及N个样本分别对应的抗张强度。

S402、对N个样本分别对应的抗张强度进行预处理，得到N个样本分别对应的抗张强度的预处理值。

S403、对于N个样本，基于各预设特征重组规则分别对应的关联数据标识组，从当前样本对应的各样本监测特征数据中确定出各预设特征重组规则分别对应的样本候选监测特征数据集，并根据各预设特征重组规则、以及各样本候选监测特征数据集，确定针对当前样本的各样本衍生特征数据。

S404、以N个样本分别对应的各样本监测特征数据、以及N个样本分别对应的各样本衍生特征数据作为样本输入，并以N个样本分别对应的抗张强度的预处理值作为样本输出，基于第一预设算法训练得到抗张强度第一预测模型；并且以N个样本分别对应的各样本监测特征数据作为样本输入，并以N个样本分别对应的抗张强度的预处理值作为样本输出，基于第二预设算法训练得到抗张强度第二预测模型。

S405、获取待测纸张的各目标监测特征数据。

S406、基于各目标监测特征数据、各预设特征重组规则、以及各预设特征重组规则分别对应的关联数据标识组，确定针对待测纸张的各衍生特征数据。

S407、将各目标监测特征数据、以及各衍生特征数据输入抗张强度第一预测模型，得到抗张强度第一预测模型输出的第一预测数据；并且，将各目标监测特征数据输入抗张强度第二预测模型，得到抗张强度第二预测模型输出的第二预测数据。

S408、对第一预测数据进行还原处理得到第一预测结果，对第二预测数据进行还原处理得到第二预测结果，根据第一预测结果和第二预测结果确定待测纸张的抗张强度。

如图5所示，本申请实施例还提供了一种纸张抗张强度的预测装置，该装置可以包括：获取模块11、以及确定模块21。

其中，获取模块11执行上述方法实施例中的S101，确定模块21执行上述方法实施例中的S102和S103。

具体地，获取模块11，用于获取待测纸张的各目标监测特征数据；

确定模块21，用于基于各预设特征重组规则分别对应的关联数据标识组，从各目标监测特征数据中确定出各预设特征重组规则分别对应的候选监测特征数据集，并根据各预设特征重组规则、以及各候选监测特征数据集，确定各预设特征重组规则分别对应的衍生特征数据；

确定模块21，还用于根据各目标监测特征数据、以及各衍生特征数据，确定待测纸张的抗张强度。

可选的，在一种可能的设计方式中，各目标监测特征数据至少包括各纸张质量监测数据，各纸张质量监测数据至少包括平均纤维粗度、平均纤维宽度、长纤占比、以及细小纤维含量分别对应的监测数据，各预设特征重组规则至少包括纤维细度特征重组规则、以及纤维比例特征重组规则；

其中，纤维细度特征重组规则对应的关联数据标识组中包括平均纤维粗度、以及平均纤维宽度分别对应的数据标识；纤维比例特征重组规则对应的关联数据标识组中包括长纤占比、以及细小纤维含量分别对应的数据标识。

可选的，在另一种可能的设计方式中，各目标监测特征数据至少包括各工序运行监测数据，各工序运行监测数据至少包括磨浆流量、磨浆功率、以及磨浆浓度分别对应的监测数据，各预设特征重组规则至少包括磨浆功耗特征重组规则、磨浆功耗浓度特征重组规则、以及能耗效率特征重组规则；

其中，磨浆功耗特征重组规则对应的关联数据标识组中包括磨浆流量、以及磨浆功率分别对应的数据标识；磨浆功耗浓度特征重组规则对应的关联数据标识组中包括磨浆浓度、以及磨浆功率分别对应的数据标识；能耗效率特征重组规则对应的关联数据标识组中包括磨浆流量、磨浆浓度、以及磨浆功率分别对应的数据标识。

可选的，在另一种可能的设计方式中，各目标监测特征数据至少包括各纸张质量监测数据、以及各工序运行监测数据，各纸张质量监测数据至少包括检测厚度，各工序运行监测数据至少包括磨浆功率，各预设特征重组规则至少包括能量利用率特征重组规则；

其中，能量利用率特征重组规则对应的关联数据标识组中包括检测厚度、以及磨浆功率分别对应的数据标识。

可选的，在另一种可能的设计方式中，确定模块21具体用于：

将各目标监测特征数据、以及各衍生特征数据输入预先训练的抗张强度第一预测模型，得到抗张强度第一预测模型输出的第一预测数据；

基于第一预测数据确定待测纸张的抗张强度。

可选的，在另一种可能的设计方式中，确定模块21具体还用于：

将各目标监测特征数据输入预先训练的抗张强度第二预测模型，得到抗张强度第二预测模型输出的第二预测数据；

基于第一预测数据、以及第二预测数据，确定待测纸张的抗张强度。

可选的，在另一种可能的设计方式中，抗张强度第一预测模型根据样本输入训练集、以及样本输出训练集预先训练得到；其中，样本输入训练集包括N个样本分别对应的各样本监测特征数据，样本输出训练集包括N个样本分别对应的抗张强度的预处理值，且N为正整数；

确定模块21具体还用于：对第一预测数据进行还原处理，得到第一预测结果；基于第一预测结果确定待测纸张的抗张强度。

可选的，纸张抗张强度的预测装置还可以包括存储模块，存储模块用于存储该纸张抗张强度的预测装置的程序代码等。

如图6所示，本申请实施例还提供一种纸张抗张强度的预测设备，包括存储器41、处理器(比如图6中的42-1和42-2)、总线43和通信接口44；存储器41用于存储计算机执行指令，处理器与存储器41通过总线43连接；当纸张抗张强度的预测设备运行时，处理器执行存储器41存储的计算机执行指令，以使纸张抗张强度的预测设备执行如上述实施例提供的纸张抗张强度的预测方法。

在具体的实现中，作为一种实施例，处理器可以包括一个或多个中央处理器(central processing unit，CPU)，例如图6中所示的CPU0和CPU1。且作为一种实施例，纸张抗张强度的预测设备可以包括多个处理器，例如图6中所示的处理器42-1和处理器42-2。这些处理器中的每一个CPU可以是一个单核处理器(single-CPU)，也可以是一个多核处理器(multi-CPU)。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。

存储器41可以是只读存储器41(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器41可以是独立存在，通过总线43与处理器相连接。存储器41也可以和处理器集成在一起。

在具体的实现中，存储器41，用于存储本申请中的数据和执行本申请的软件程序对应的计算机执行指令。处理器可以通过运行或执行存储在存储器41内的软件程序，以及调用存储在存储器41内的数据，纸张抗张强度的预测设备的各种功能。

通信接口44，使用任何收发器一类的设备，用于与其他设备或通信网络通信，如控制系统、无线接入网(radio access network，RAN)，无线局域网(wireless local areanetworks，WLAN)等。通信接口44可以包括接收单元实现接收功能，以及发送单元实现发送功能。

总线43，可以是工业标准体系结构(industry standard architecture，ISA)总线、外部设备互连(peripheral component interconnect，PCI)总线或扩展工业标准体系结构(extended industry standard architecture，EISA)总线等。该总线43可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

作为一个示例，结合图5，纸张抗张强度的预测装置中的获取模块实现的功能与图6中的接收单元实现的功能相同，纸张抗张强度的预测装置中的确定模块实现的功能与图6中的处理器实现的功能相同。当纸张抗张强度的预测装置包括有存储模块时，存储模块实现的功能与图6中的存储器实现的功能相同。

本实施例中相关内容的解释可参考上述方法实施例，此处不再赘述。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，设备和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当计算机执行该指令时，使得计算机执行上述实施例提供的纸张抗张强度的预测方法。

其中，计算机可读存储介质，例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、RAM、ROM、可擦式可编程只读存储器(erasable programmable read only memory，EPROM)、寄存器、硬盘、光纤、CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(application specificintegrated circuit，ASIC)中。在本申请实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。