Java加载PMML模型校正监测数据

一、将pmml模型放在对应目录下

二、编写测试类

1.引入依赖包

		<dependency>
			<groupId>org.jpmml</groupId>
			<artifactId>pmml-evaluator</artifactId>
			<version>1.4.5</version>
		</dependency>
		<dependency>
			<groupId>org.jpmml</groupId>
			<artifactId>pmml-evaluator-extension</artifactId>
			<version>1.4.5</version>
		</dependency>

 2.编写测试类

package com.idata.web.controller;


import java.io.FileInputStream;
import java.util.HashMap;
import java.util.LinkedHashMap;
import java.util.List;
import java.util.Map;

import org.dmg.pmml.FieldName;
import org.dmg.pmml.PMML;
import org.jpmml.evaluator.FieldValue;
import org.jpmml.evaluator.InputField;
import org.jpmml.evaluator.ModelEvaluator;
import org.jpmml.evaluator.ModelEvaluatorBuilder;
import org.jpmml.evaluator.TargetField;
import org.jpmml.model.PMMLUtil;
import org.springframework.util.StringUtils;

public class UsePmml  {
    private static ModelEvaluator<?> evaluate;
    private static PMML pmml;
    private static FileInputStream inputStream;
    static {
        //获取EMQ连接信息
        try {
             inputStream = new FileInputStream("D:\\wincheer\\python_basic\\电极法校准\\rfr.pmml"); // 已训练好的RandomForestRegressor模型
             pmml = PMMLUtil.unmarshal(inputStream);
             evaluate = new ModelEvaluatorBuilder(pmml).build();
        } catch (Exception e) {
            e.printStackTrace();
        }

    }
    public static void main(String[] args) throws Exception {
        // 导入模型。 模型初始化时间较久，最好在Web启动的时候实例化evaluate


        // 构建输入参数
        Map<String, Object> paramData = new HashMap<>();
        paramData.put("x1", 39.35); // 监测点1-COD
        paramData.put("x2", 6.22); // 监测点1-氨氮
        paramData.put("x3", 7.06); // 监测点1-PH
        paramData.put("x4", 24.2); // 监测点1-水温

        paramData.put("x5", 38.43); // 监测点2-COD
        paramData.put("x6", 0.54); // 监测点2-氨氮
        paramData.put("x7", 7.66); // 监测点2-PH
        paramData.put("x8", 30); // 监测点2-水温

        paramData.put("x9", 14.94); // 监测点3-化学-COD
        paramData.put("x10", 0.01); // 监测点3-化学-氨氮
        paramData.put("x11", 0.2); // 监测点3-化学-总磷
        paramData.put("x12", 7.31); // 监测点3-PH
        paramData.put("x13", 303.70001); // 监测点3-电导率
        paramData.put("x14", 98.27); // 监测点3-浊度
        paramData.put("x15", 25.6); // 监测点3-水温
        paramData.put("x16", 329504.0938); // 监测点3-流量
        paramData.put("x17", 0.01); // 监测点3-液位

        paramData.put("x18", 20.7); // 甲烷
        paramData.put("x19", 0); // 氧气
        paramData.put("x20", 0); // 氨气
        paramData.put("x21", 0); // 一氧化碳
        paramData.put("x22", 0); // 硫化氢
        paramData.put("x23", 0); // 二氧化硫

        Map<FieldName, FieldValue> arguments = new LinkedHashMap<>();
        List<InputField> inputFields = evaluate.getInputFields(); // 模型参数
        for (InputField inputField : inputFields) {
            // 将参数通过模型对应的名称进行添加
            FieldName inputFieldName = inputField.getName(); // 获取模型中的参数名
            Object paramValue = paramData.get(inputFieldName.getValue()); // 获取模型参数名对应的参数值
            FieldValue fieldValue = inputField.prepare(paramValue); // 将参数值填入模型中的参数中
            arguments.put(inputFieldName, fieldValue); // 存放在map列表中
        }

        // 开始评估/预测
        Map<FieldName, ?> target = evaluate.evaluate(arguments);

        // 获取评估/预测结果
        List<TargetField> targetFields = evaluate.getTargetFields();
        Object targetFieldValue = target.get(targetFields.get(0).getName());
        String tempVal=targetFieldValue.toString();
        Object correctingVal="";
        if(tempVal!=null && tempVal.indexOf("=")!=-1){
           String temp= tempVal.split("=")[1];
            correctingVal=temp.substring(0,temp.length()-1);
        }
        System.out.println("targetFieldValue: " + ToFloat(correctingVal));

    }

    /**
     * 转float
     * @param val
     * @return
     */
    public  static float ToFloat(Object val){
        if(StringUtils.isEmpty(val)){
            return 0;
        }else{
            float v=0;
            v=Float.parseFloat(val.toString());
            return v;
        }

    }

}

三、验证结果