[發明專利]一種冶金焦炭質量預測影響因素確定方法

在審

• 申請號: 202110503425.4
• 申請日: 2021-05-10
• 公開（公告）號: CN113408186A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 蘆建文;王宏;江鑫;盧培山;付利俊;王勇;賈曉宗;歐宇星;范洪波;孫斌;王佳媛
• 申請（專利權）人: 包頭鋼鐵（集團）有限責任公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06Q10/04;G06Q10/06;G06Q50/04
• 代理公司: 北京律遠專利代理事務所(普通合伙) 11574
• 代理人: 穆云

1.一種冶金焦炭質量預測影響因素確定方法，其特征在于，所述方法具體包括：

步驟一：采集冶金焦炭生產過程中的數據，對數據進行清洗；

步驟二：采用極限梯度增強樹方法不斷的訓練新樹來擬合之前樹種群的預測殘差，在訓練完成后，將每棵樹對應葉節點的分數匯總即得樣本的預測值；極限梯度增強樹的目標函數定義為：

其中：F為所有決策樹代表的函數空間，y_i和分別為樣本真實值和模型預測值；f_k為第k個決策樹，目標函數分為兩部分,前一項為模型損失即預測誤差；后一項為正則項,用來規范模型結構/行為。

2.如權利要求1所述的冶金焦炭質量預測影響因素確定方法，其特征在于，所述方法步驟二中采用極限梯度增強樹方法不斷的訓練新樹來擬合之前樹種群的預測殘差具體為采用基于EGBT的相關性分析，步驟包括：

步驟二一：初始化弱分類器，設有M個回歸樹；

步驟二二：求第i個基回歸樹的近似殘差；

步驟二三：利用步驟二二獲得的近似殘差rmj學習第i個基回歸樹，確定第i個基回歸樹的區域劃分Rmj；

步驟二四：求Rmj的最終殘差rmj取值；

步驟二五：更新回歸樹；

步驟二六：若iM重復步驟二二至步驟二五。

3.如權利要求2所述的冶金焦炭質量預測影響因素確定方法，其特征在于，所述方法步驟一中，數據包括單種煤質量指標數據、配合煤質量指標數據、焦炭質量指標數據、煉焦生產過程參數數據。

4.如權利要求1所述的冶金焦炭質量預測影響因素確定方法，其特征在于，所述方法步驟一中，數據清洗包括剔除數據集中明顯超出實際值范圍的離群點數據、缺失數據和非典型數據。

5.如權利要求1所述的冶金焦炭質量預測影響因素確定方法，其特征在于，所述方法步驟一中，采集冶金焦炭生產過程中的數據后按照配合煤數據、焦炭數據、焦爐工藝數據進行數據匹配。