[發明專利]水泥的品質或制造條件的預測方法

有效

• 申請號: 201380028407.9
• 申請日: 2013-02-22
• 公開（公告）號: CN104350021B
• 公開（公告）日: 2017-03-01
• 發明（設計）人: 大野麻衣子;黑川大亮;平尾宙
• 申請（專利權）人: 太平洋水泥株式會社
• 主分類號: C04B7/36
• 分類號: C04B7/36;G06N3/08
• 代理公司: 北京三友知識產權代理有限公司11127
• 代理人: 黃綸偉,于靖帥

1.一種水泥的品質或制造條件的預測方法，該水泥的品質或制造條件的預測方法使用了具有輸入層和輸出層的神經網絡，其特征在于，

所述輸入層用于輸入水泥制造中的監視數據的實測值，所述輸出層用于輸出與水泥的品質或制造條件的評價相關的評價數據的推測值，

所述監視數據與所述評價數據的組合為以下組合：

(i)所述監視數據為選自與熟料原料相關的數據、與燒制條件相關的數據、與粉碎條件相關的數據和與熟料相關的數據中的一種以上的數據，并且所述評價數據為與熟料原料相關的數據、與燒制條件相關的數據、與粉碎條件相關的數據、與熟料相關的數據、與水泥相關的數據；或者

(ii)所述監視數據為與熟料原料相關的數據、與燒制條件相關的數據、與粉碎條件相關的數據、與熟料相關的數據和與水泥相關的數據，并且所述評價數據為與含水泥的水硬性組合物的物性相關的數據，

該水泥的品質或制造條件的預測方法包括以下步驟：

(A)進行學習次數的初始設定；

(B)使用兩個以上作為監視數據的實測值與評價數據的實測值的組合的學習數據，進行所設定的學習次數的神經網絡的學習；

(C)將學習數據的監視數據的實測值輸入在最接近的步驟(B)中進行了學習的神經網絡的輸入層而得到評價數據的推測值，計算出由此得到的評價數據的推測值與學習數據的評價數據的實測值之間的均方誤差(σ_L)，并且，將檢驗數據中的監視數據的實測值輸入在最接近的步驟(B)中進行了學習的神經網絡的輸入層而得到評價數據的推測值，計算出由此得到的評價數據的推測值與檢驗數據中的評價數據的實測值之間的均方誤差(σ_M)，其中，所述檢驗數據是監視數據的實測值與評價數據的實測值的組合，用于確認神經網絡的學習結果的可靠性，在計算出的σ_L與σ_M的關系為σ_L≥σ_M的情況下，實施步驟(D)，在計算出的σ_L與σ_M的關系為σ_L＜σ_M的情況下，實施步驟(E)；

(D)增加所設定的學習次數，作為新的學習次數進行再設定，再次實施步驟(B)～(C)；

(E)將減少在最接近的神經網絡的學習中所實施的學習次數后所得到的學習次數作為新的學習次數進行再設定；

(F)使用步驟(B)中使用的學習數據，進行所設定的學習次數的神經網絡的學習；

(G)將學習數據的監視數據的實測值輸入在最接近的步驟(F)中進行了學習的神經網絡的輸入層而得到評價數據的推測值，計算出由此得到的評價數據的推測值與學習數據的評價數據的實測值之間的均方誤差(σ_L)，并且，將檢驗數據中的監視數據的實測值輸入在最接近的步驟(F)中進行了學習的神經網絡的輸入層而得到評價數據的推測值，計算出由此得到的評價數據的推測值與檢驗數據中的評價數據的實測值之間的均方誤差(σ_M)，在計算出的σ_L與σ_M的關系為σ_L≥σ_M的情況下，實施步驟(I)，在計算出的σ_L與σ_M的關系為σ_L＜σ_M的情況下，實施步驟(H)；

(H)在最接近的已進行的步驟(F)中的神經網絡的學習次數超過預先設定的數值的情況下，再次實施步驟(E)～(G)，在最接近的已進行的步驟(F)中的神經網絡的學習次數為預先設定的數值以下的情況下，實施步驟(K)；

(I)使用下式(1)計算出解析度判定值，在該解析度判定值小于預先設定的設定值的情況下，向所述輸入層輸入水泥制造中的監視數據的實測值，從所述輸出層輸出與水泥的品質或制造條件的評價相關的評價數據的推測值，在解析度判定值為預先設定的設定值以上的情況下，實施步驟(K)；和

(K)進行學習條件的初始化，再次實施步驟(A)～(K)，

[數學式1]

所述式(1)中，學習數據的均方誤差(σ_L)是指，將學習數據的監視數據的實測值輸入學習后的神經網絡的輸入層而得到的評價數據的推測值與學習數據的評價數據的實測值之間的均方誤差(σ_L)；評價數據的推測值的平均值是指，將學習數據的監視數據的實測值輸入學習后的神經網絡的輸入層而得到的評價數據的推測值的平均值。