[發明專利]一種高爐鐵水硅含量預測模型準確度評價方法和設備

有效

• 申請號: 201810326796.8
• 申請日: 2018-04-12
• 公開（公告）號: CN108875118B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 蔣朝輝;方怡靜;桂衛華;陽春華;謝永芳;陳致蓬
• 申請（專利權）人: 中南大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;C21B5/00
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;吳歡燕

1.一種高爐鐵水硅含量預測模型準確度評價方法，其特征在于，包括：

獲取歷史數據中影響高爐鐵水硅含量的工況參數、硅含量測量值及硅含量預測模型的硅含量預測值，根據已訓練的準確度預測模型，對所述硅含量預測值的預測結果準確度進行分類，得到第一評價結果；

根據所述硅含量測量值對所述硅含量預測值的準確度進行分類，得到第二評價結果；

基于所述第一評價結果和所述第二評價結果得到真正例率TPR和假正例率FPR，并通過受試者工作特征曲線ROC對硅含量預測模型預測結果可靠性進行評價；

其中，所述準確度預測模型的具體訓練過程為：

將硅含量預測值按準確度分為準確、較為準確、不太準確、非常不準，并對所述準確度進行類別編碼；

基于隨機森林對歷史工況參數中提取的特征參數、硅含量預測值及對應的類別編碼進行訓練，得到用于評價高爐鐵水硅含量預測模型準確度的準確度預測模型；

所述特征參數的獲取步驟具體包括：

基于機理分析獲取影響硅含量變化的工況參數；

采用箱線圖法對所述工況參數進行異常值剔除和缺失值補充；

基于采樣時間，從異常值剔除和缺失值補充后的工況參數中選取數據樣本，并將所述數據樣本進行歸一化處理；

對歸一化處理后的數據樣本進行相關性分析并消除時間滯后，得到與硅含量值相關性最高且從時間上匹配的樣本；

提取所述數據樣本在時間維度上的特征值作為特征參數。

2.根據權利要求1所述的方法，其特征在于，獲取歷史數據中影響高爐鐵水硅含量的工況參數后，還包括：

通過箱線圖法對所述工況參數進行異常值剔除，以鐵水成分的采樣周期為參照，根據時間點對應進行工況參數的匹配；

對工況參數進行歸一化處理，通過統計產量與服務解決方案SPSS對所述工況參數與硅含量測量值進行相關性分析，得到時間序列上各個時刻工況參數與硅含量測量值的相關性排序，提取其中相關性最大的時間點的工況參數作為特征參數，并提取所述特征參數的波動值、梯度值以及均值。

3.根據權利要求2所述的方法，其特征在于，根據已訓練的準確度預測模型前，還包括：

將硅含量預測值按準確度分為準確、較為準確、不太準確、非常不準，并對所述準確度進行類別編碼；

基于隨機森林對所述特征參數、硅含量預測值及對應的類別編碼進行訓練，得到用于評價高爐鐵水硅含量預測模型準確度的準確度預測模型。

4.根據權利要求2所述的方法，其特征在于，提取所述特征參數的波動值、梯度值以及均值，具體包括：

從歷史數據中得到工況參數、對硅含量產生影響的工況數據容量、工況參數的特征提取時間窗口和時間滯后量，并計算得到各工況參數的歷史數據在時間域上的均值、梯度、波動的特征值。

5.根據權利要求1所述的方法，其特征在于，根據歷史數據中硅含量測量值對所述硅含量預測值的預測結果準確度進行分類，具體包括：

設定金標準，y_i為硅含量測量值，y′_i為硅含量預測值，若|y_i-y′_i|＜0.03，則判斷為當前預測結果為預測準確，否則判斷當前預測結果預測不準。

6.根據權利要求1所述的方法，其特征在于，通過受試者工作特征曲線ROC對硅含量預測模型的預測結果可靠性進行評價，具體包括：

基于所述真正例率TPR和假正例率FPR繪制ROC曲線，計算得到曲線下面積AUC，并對高爐鐵水硅含量預測模型進行定量評價。

7.一種高爐鐵水硅含量預測模型準確度評價設備，其特征在于，包括：

至少一個處理器、至少一個存儲器、通信接口和總線；其中，

所述處理器、存儲器、通信接口通過所述總線完成相互間的通信；

所述通信接口用于該測試設備與顯示裝置的通信設備之間的信息傳輸；

所述存儲器存儲有可被所述處理器執行的程序指令，所述處理器調用所述程序指令能夠執行如權利要求1至6任一所述的方法。