(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210818695.9 (22)申请日 2022.07.12 (71)申请人 贵州茅台酒股份有限公司 地址 564501 贵州省遵义市仁怀市茅台镇 (72)发明人 秦兴　韩莹　罗楚翔　程艳波　 李大鹏　牟明月　 (74)专利代理 机构 北京市万慧达律师事务所 11111 专利代理师 张兴利 (51)Int.Cl. G06Q 10/04(2012.01) G06K 9/62(2022.01) G06F 30/20(2020.01) G06F 119/08(2020.01) (54)发明名称 一种白酒 发酵产量的预测方法 (57)摘要 本发明属于白酒酿造技术领域， 具体涉及一 种白酒发酵产量的预测方法， 包括预测模型的构 建以及利用该模 型预测白酒发酵产量， 包括如下 步骤： S1获取指标： 对生产窖池不同深度、 窖池同 一深度不同发酵时间对应的酒醅发酵温度、 晾堂 内酒醅的堆积时长以及对应的白酒发酵产量进 行检测和记录， 得到所述指标的数据信息； S2筛 选建模特征： 从S1获取到的指标中筛选建模特 征； S3构建预测模型： 将步骤S2筛选得到的建模 特征作为GBR回归模型的特征建立预测模型。 所 述预测方法， 一方面克服了通过现有方法对白酒 发酵产量进行预测所存在的难题； 另一方面， 在 减轻了白酒发酵产量预测方法中指标检测的劳 动强度的同时， 也能够实现对白酒发酵产量较 好、 较准确的预测。 权利要求书2页 说明书8页 附图2页 CN 115423142 A 2022.12.02 CN 115423142 A 1.一种构建白酒 发酵产量预测模型的方法， 其特 征在于， 所述方法包括如下步骤： S1获取指标： 对生产窖池不同深度、 窖池同一深度不同发酵时间对应的酒醅发酵温度、 晾堂内酒醅的堆积时长以及 对应的白酒发酵产量进行检测和记录， 得到所述指标的数据信 息； S2筛选建模特 征： 从步骤S1 获取到的指标中筛 选建模特 征； S3构建预测模型： 将步骤S2筛选得到的建模特征作为GBR回归模型的特征建立预测模 型。 2.如权利要求1所述的方法， 其特征在于， 步骤S1中， 所述窖池不同深度包括： 窖池 0.3m、 0.8m、 1.2m和1.5m四个深度的酒醅发酵温度； 优选地， 所述窖池同一深度不同发酵时间对应的酒醅发酵温度包括： 窖池1.2m深度发 酵前10天的酒醅发酵温度和1.8m深度发酵 前10天的每天 酒醅发酵温度。 3.如权利要求1所述的方法， 其特 征在于， 所述 步骤S2中， 筛 选建模特 征包括如下步骤： (1)计算步骤S1中所获取到的两 两指标之间的相关性系数； (2)根据步骤(1)中的两 两指标之间的相关性系数筛 选所述建模特 征； 优选地， 所述步骤(1)中， 所述相关性系数的计算包括： 通过R语言的cor()函数进行计 算； 优选地， 所述步骤(1)中， 将步骤S1中获取到的指标数据分为训练数据集和测试数据 集， 将所述训练数据集 导入R语言的cor()函数中， 得到 两两指标之间的相关性系数； 优选地， 所述步骤(2)中， 根据步骤(1)中的两两指标之间的相关性系数筛选所述建模 特征包括如下步骤： 筛 选与白酒产量相关性系数高的指标作为建模特 征； 优选地， 所述步骤包括： 筛选与白酒产量的相关性系数绝对值大于等于0.38的所有指 标作为建模特 征； 优选地， 所述步骤包括： 筛选与白酒产量的相关性系数绝对值范围为0.38～0.5的所有 指标作为建模特 征。 4.如权利要求3所述的方法， 其特 征在于， 筛 选所述建模特 征还包括如下步骤： 若与白酒产量的相关性系数绝对值大于等于0.38的指标之间的相关性系数绝对值大 于等于0.9， 则从所述相关性系数绝对值大于等于0.9的指标中选择其中一个指标作为建模 特征； 优选地， 若与白酒产量相关性系数绝对值大于等于0.38的指标之间的相关性系数绝对 值大于等于0.96， 则从所述相关性系数绝对值大于等于0.96的指标中选择其中一个指标作 为建模特 征； 优选地， 若与白酒产量的相关性系数绝对值范围为0.38 ‑0.5的指标之间的相关性系数 绝对值大于等于0.9， 则从所述相关性系数绝对值大于等于0.9的指标中选择其中一个指标 作为建模特 征； 优选地， 若与白酒产量的相关性系数绝对值范围为0.38 ‑0.5的指标之间的相关性系数 绝对值大于等于0.96， 则从所述相关性系数绝对值大于等于0.96的指标中选择其中一个指 标作为建模特 征； 优选地， 所述建模特征包括： 同一发酵轮次晾堂内酒醅的堆积时长、 1.8m深窖内酒醅发 酵第1天温度以及1.8m深窖内酒醅第8天 发酵温度。权　利　要　求　书 1/2 页 2 CN 115423142 A 25.如权利要求1所述的方法， 其特征在于， 所述步骤S3中， 所述构建预测模型包括如下 步骤： 以建模特征作为自变量， 以所述建模特征对应的白酒发酵产量作为因变量， 对GBR回归 模型进行训练， 得到所述GBR预测模型； 优选地， 以同一发酵轮次晾堂内酒醅的堆积时长、 1.8m深窖内酒醅发酵第1天温度、 1.8m深窖内酒醅第 8天发酵温度作为自变量， 以上述指标对应的 白酒发酵产量作为因变量， 对GBR回归 模型进行训练， 得到所述GBR预测模型； 优选地， 训练所述GBR回归模型的参数设置如下： n_estimators＝100， learning_rate ＝0.1， max_depth＝1， random_state＝0， l oss＝'ls').fit(X,y)。 6.如权利要求1所述的方法， 其特 征在于， 所述方法还 包括如下步骤： S4预测模型的验证： 基于步骤S2确定的建模特征， 将测试数据集中的所述建模特征导 入GBR预测模型中， 得到基于测试 数据集预测得到的白酒 发酵产量。 7.如权利要求1所述的方法， 其特征在于， 所述步骤S3中， 所述预测模型的评估指标包 括： EVS、 r2、 MAE、 MSE中的一种或多种； 优选地， 所述预测模型的评估指标r2＝0.999962， EVS＝0.999962， MAE＝0.739793， MSE ＝0.92232。 8.一种预测白酒 发酵产量的方法， 其特 征在于， 包括如下步骤： 步骤一： 获取待测发酵轮次的建模特 征； 步骤二： 将步骤一获取到的建模特征对应的数据信息导入如权利要求1 ‑7任一所述的 方法构建的预测模型中， 输出待测发酵轮次的白酒 发酵产量。 9.如权利要求8所述的方法， 其特征在于， 所述建模特征包括： 晾堂内酒醅的堆积时长、 1.8m深窖内酒醅发酵第1 天温度以及1.8m深窖内酒醅第8天 发酵温度。 10.如权利要求1 ‑9任一所述的方法在酿酒领域的应用； 优选地， 所述 酿酒领域包括白酒 发酵产量预测领域。权　利　要　求　书 2/2 页 3 CN 115423142 A 3