[發明專利]一種基于三支集成預測模型的工業加熱爐鋼溫預測方法

有效

• 申請號: 202011318973.1
• 申請日: 2020-11-23
• 公開（公告）號: CN112418522B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 于洪;魏居明;胡峰;王國胤
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06F30/27;C21D11/00;G06F119/08
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 王海軍

1.一種基于三支集成預測模型的工業加熱爐鋼溫預測方法，其特征在于，包括以下步驟：實時采集加熱爐數據，并將實時采集的加熱爐數據輸入至三支集成預測模型中，三支集成預測模型判斷實時采集的加熱爐數據是否處于不確定區域范圍，若處于不確定區域范圍，則使用協同決策方法得到并輸出預測結果；若不處于不確定區域范圍，則使用所屬類簇上的子預測模型得到并輸出預測結果；

使用協同決策方法得到預測結果具體包括以下步驟：判定新樣本是否屬于重疊部分區域之后，對于不屬于不確定區域范圍之內的新樣本，直接通過相對應類簇上建立的子預測模型預測結果；對于屬于不確定區域范圍之內的新樣本，找到該新樣本所屬的多個類簇，選擇該新樣本所屬的多個類簇共同建立的不同子預測模型中表現最優的子預測模型進行預測，最后模型給出預測的結果；

其中，三支集成預測模型的訓練過程包括：

S1、獲取原始數據，對原始數據預處理，得到特征集合數據；

S2、運用灰色關聯分析方法計算特征集合中所有特征相對于預測變量的灰色關聯系數，結合專家知識確定輸入變量，即輸入特征集合數據；

S3、使用三支聚類方法將輸入變量進行劃分，得到不同的類簇；

S4、根據各個類簇中的不確定性數據重要性，構建各個類簇相對應的子預測模型，最終得到三支集成預測模型；

根據各個類簇中的不確定性數據重要性，構建各個類簇相對應的子預測模型，具體包括：根據不確定性數據的加入是否能夠起到提升該類簇子預測模型的預測效果來選擇該類簇的最優子預測模型，分別計算將不確定性數據加入該類簇中和不將不確定性數據加入該類簇中所得的預測子模型，比較兩個子預測模型的預測精度，若將不確定性數據加入該類簇中所得的預測子模型預測精度更高，則選擇加入不確定性數據后的子預測模型作為該類簇的最優子模型；反之，選擇未加入不確定性數據的子預測模型作為該類簇的最優子模型。

2.根據權利要求1所述的一種基于三支集成預測模型的工業加熱爐鋼溫預測方法，其特征在于，所述預處理包括：剔除無效數據，并將所有無效數據剔除之后的數據集連接合并在一起，得到特征集合數據；其中無效數據包括缺失/不完整數據剔除和故障樣本數據剔除。

3.根據權利要求1所述的一種基于三支集成預測模型的工業加熱爐鋼溫預測方法，其特征在于，三支集成預測模型判斷實時采集的加熱爐數據是否處于不確定區域范圍，具體包括：根據樣本的相似性度對實時采集的加熱爐數據進行劃分，得到多個類簇；判斷：劃分之后的類簇中是否存在類簇樣本同時屬于多個類簇的邊緣域中，多個類簇的邊緣域即多個類簇的重疊部分區域，如果存在部分類簇樣本同時屬于多個類簇的邊緣域中，則判定該部分類簇樣本處于不確定區域范圍之內；如果類簇樣本不存在同時屬于多個類簇的邊緣域中，則判定該類簇樣本不處于不確定區域范圍之內。

4.根據權利要求1所述的一種基于三支集成預測模型的工業加熱爐鋼溫預測方法，其特征在于，步驟S3中使用三支聚類方法將輸入變量進行劃分，得到不同的類簇，具體包括：將輸入特征集合數據進行類簇的三支表示：

C_i＝(Co(C_i),Fr(C_i))

Tr(C_i)＝U-Co(C_i)-Fr(C_i)

其中，Co(C_i)，Fr(C_i)，Tr(C_i)分別表示類簇的核心域、邊緣域以及瑣碎域，且核心域中的數據對象確定屬于該類簇，瑣碎域中的數據對象確定不屬于該類簇，邊緣域中的數據對象可能屬于也可能不屬于該類簇。

5.根據權利要求1所述的一種基于三支集成預測模型的工業加熱爐鋼溫預測方法，其特征在于，所述不確定性數據指的是步驟S3中進行類簇劃分后，多個類簇之間的重疊部分，該重疊部分屬于多個類簇，被視為不確定性數據。

6.根據權利要求1所述的一種基于三支集成預測模型的工業加熱爐鋼溫預測方法，其特征在于，運用灰色關聯分析方法計算特征集合中所有特征相對于預測變量的灰色關聯系數，結合專家知識確定輸入變量包括以下步驟：

S21、首先對特征集合數據進行歸一化，運用歸一化公式進行計算，歸一化公式如下所示：

其中，X^*表示歸一化之后的數據，x表示歸一化之前的數據，μ表示所有樣本數據的均值，σ表示所有樣本數據的標準差；

S22、從歸一化處理后的特征集合中選擇參考序列和比較序列其中，X₀是出爐溫度，表示第n個樣本的出爐溫度，表示第i個特征的第n個樣本，n表示數據樣本數量，m表示特征集合數量，X_i是輸入變量；

S23、基于參考序列和比較序列計算灰色關聯系數，計算公式如下：

其中，ζ_i(k)是灰色關聯系數，ρ是分辨系數，一般ρ∈[0,1)，X₀(k)表示參考序列的第k個數值，X_i(k)表示第i特征的第k個數值，k表示對應的第k個取值，Δmin和Δmax分別表示距離的全局最小值和全局最大值，Δmin和Δmax具體計算如下：

S24、計算灰色關聯系數均值，將灰色關聯系數均值作為不同特征的灰色關聯系度，具體計算如下：

其中，γ(x₀,x_i)表示第i個特征對于參考序列的灰色關聯度，n表示數據樣本數量，ζ_i(k)表示灰色關聯系數；

S25、求出特征集合中所有特征相對于參考序列的灰色關聯系數后，根據專家知識，將灰色關聯度大于0.9的特征集合數據作為輸入變量，即輸入特征集合數據。