[發明專利]一種集成CSA和H-ELM的水泥生產質量預測方法

在審

• 申請號: 202110721214.8
• 申請日: 2021-06-28
• 公開（公告）號: CN113537579A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 許瀟;楊海東;徐康康;印四華;雷紹俊;譚喜;朱成就;賴添城
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06N3/00;G06N3/04;G06N3/06;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種集成CSA和H-ELM的水泥生產質量預測方法，其特征在于，包括以下步驟：

S1：采集與水泥生產質量預測相關的數據；

S2：使用灰色關聯分析法對步驟S1收集到的數據進行初步篩選；

S3：初始化分層極限學習機的參數，利用步驟S2中篩選得到的數據對分層極限學習機進行訓練時，利用烏鴉算法優化分層極限學習機的隱層神經元個數，獲取分層極限學習機的最優隱層神經元個數，得到預測模型；

S4：利用所述預測模型對水泥生產質量進行預測。

2.根據權利要求1所述的集成CSA和H-ELM的水泥生產質量預測方法，其特征在于，步驟S1中所述與水泥生產質量預測相關的數據包括與燒成系統回轉窯相關的喂料量、煤粉流量、分解爐出口溫度、物料溫度、二次風溫、壓力、回轉窯電機電流、轉速、高溫風機轉速、回轉窯尾溫、回轉窯頭負壓、回轉窯尾壓力、回轉窯煙室氧氣含量、煙室氮氧化物含量、三次風溫和三次風壓力。

3.根據權利要求1所述的集成CSA和H-ELM的水泥生產質量預測方法，其特征在于，步驟S2中利用灰色關聯分析法對步驟S1收集到的數據進行初步篩選，具體為：

設自變量為X＝(x_i(l)|i＝1,2,...,h,l＝1,2,...,M)，因變量為T＝{t(l)|l＝1,2,...,M}，其中h表示自變量的數目，M表示樣本的數目，令Δ_i(l)＝|t(l)-x_i(l)|，則灰色關聯度分析法計算得到的灰關聯度為：

式中，ρ為分辨系數，0ρ1；

因變量和自變量的灰色關聯度γ_i如下：

設置灰色關聯度閾值，選擇灰色關聯度大于灰色關聯度閾值的數據作為數據樣本，完成初步篩選。

4.根據權利要求1所述的集成CSA和H-ELM的水泥生產質量預測方法，其特征在于，所述步驟S3中初始化分層極限學習機的參數具體為：

隨機初始化隱含層個數、神經元個數、隱含層連接權值和閾值。

5.根據權利要求4所述的集成CSA和H-ELM的水泥生產質量預測方法，其特征在于，步驟S3中利用步驟S2中篩選得到的數據對分層極限學習機進行訓練時，利用烏鴉算法優化分層極限學習機的隱層神經元個數，獲取分層極限學習機的最優隱層神經元個數，得到預測模型，具體為：

a、將分層極限學習機的隱層神經元個數組成烏鴉算法的初始種群集合，初始化烏鴉算法的參數；

b、以分層極限學習機的訓練結果誤差作為適應度函數，評估烏鴉的位置；

c、擇優選擇烏鴉種群集合中烏鴉的新位置，評估烏鴉的新位置，如果新位置比當前位置適應度值高，更新烏鴉位置至新位置；否則，烏鴉的新位置隨機更新；

d、重復步驟c直到迭代次數達到閾值，迭代終止，輸出當前最佳位置，得到分層極限學習機的最優隱層神經元個數；

e、分層極限學習機利用FISTA算法計算每一隱含層網絡權重，計算該層的實際輸出并且作為下一層輸入；

f、運用最小二乘法求得分層極限學習機最后一層隱層和輸出層之間的權值，輸出預測結果。