[發明專利]一種工藝參數的預測方法、裝置、電子設備及存儲介質

有效

• 申請號: 202110849280.3
• 申請日: 2021-07-27
• 公開（公告）號: CN113379166B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 廖強;王向勇;陳俊;李辰;羅磊;段斌
• 申請（專利權）人: 成都佳華物鏈云科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/044;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 唐正瑜

1.一種工藝參數的預測方法，其特征在于，所述方法包括：

獲取預設時間段內的第一工況數據，所述第一工況數據至少包括所述預設時間段內各個預設時刻的至少一種調控設備所對應的工藝參數以及各個預設時刻的酸性氣體排放量；

隨機生成待預測時間段內的第二工況數據，所述第二工況數據包括所述待預測時間段內各個預設時刻的所述至少一種調控設備所對應的初始工藝參數，所述待預測時間段位于所述預設時間段之后；

將所述第一工況數據與所述第二工況數據輸入到預訓練的酸性氣體排放量的預測模型，輸出所述待預測時間段內各個預設時刻的酸性氣體的預測排放量，并基于預設的第一損失函數對所述待預測時間段內各個預設時刻的初始工藝參數進行更新，其中，所述預測模型包括依次連接的第一循環神經網絡、第二循環神經網絡以及全連接網絡，所述第一循環神經網絡用于提取所述第一工況數據中呈現的工藝參數與酸性氣體排放量之間的周期性特征，所述第二循環神經網絡用于接收所述周期性特征，并基于所述周期性特征以及所述第二工況數據所呈現的突變性工藝參數輸出表征酸性氣體排放量的狀態特征，所述全連接網絡基于所述狀態特征確定出所述預測排放量，所述第一損失函數定義有所述預測排放量與預設排放閾值的排放量損失；

輸出所述待預測時間段內所述至少一種調控設備在目標時刻的目標工藝參數。

2.如權利要求1所述的方法，其特征在于，隨機生成待預測時間段內的第二工況數據包括：

隨機對所述待預測時間段內各個預設時刻的至少一種調控設備所對應的工藝參數進行初始化，以得到部分預設時刻的所述初始工藝參數，其中，所述部分預設時刻至少包括第一時刻；

將所述待預測時間段內位于所述第一時刻之前的各個預設時刻的所述至少一種調控設備的工藝參數賦值為當前時刻的工藝參數，將位于所述第一時刻之后的各個預設時刻的所述至少一種調控設備的工藝參數賦值為所述初始工藝參數，其中，所述當前時刻位于所述待預測時間段之前。

3.如權利要求1所述的方法，其特征在于，所述至少一種調控設備包括循環泵和/或吸收塔，所述第一損失函數還定義有循環泵的啟停狀態所對應的功耗損失和/或吸收塔的酸堿度所對應的物料損失。

4.如權利要求3所述的方法，其特征在于，所述第一損失函數中所定義的酸性氣體的預測排放量與預設排放閾值的排放量損失對應第一權重，所述第一損失函數所定義的循環泵的啟停狀態所對應的功耗損失對應第二權重，所述第一損失函數所定義的吸收塔的酸堿度所對應的物料損失對應第三權重，所述第一權重大于所述第二權重，所述第二權重大于所述第三權重。

5.如權利要求1所述的方法，其特征在于，所述方法還包括：

獲取第一歷史時間段內的第三工況數據以及第二歷史時間段內的第四工況數據，所述第三工況數據至少包括所述第一歷史時間段內各個預設時刻的至少一種調控設備所對應的工藝參數以及各個預設時刻的酸性氣體排放量，所述第四工況數據包括所述第二歷史時間各個預設時刻的至少一種調控設備所對應的工藝參數以及各個預設時刻的酸性氣體排放量，其中，所述第二歷史時間段位于所述第一歷史時間段之后；

將所述第三工況數據與所述第四工況數據輸入所述預測模型中，并基于預設的第二損失函數對所述預測模型進行訓練至滿足預設條件，以獲得訓練完成的所述預測模型，其中，所述第三工況數據以及所述第四工況數據中所包括的所述第二歷史時間段內各個預設時刻的至少一種調控設備所對應的工藝參數作為訓練樣本，所述第四工況數據中所包括的所述第二歷史時間段內的各個預設時刻的酸性氣體排放量作為標簽，所述預設條件為所述第二損失函數達到收斂狀態，所述第二損失函數如下：

loss＝MAE(Y,Y_pred)+0.5*(1-cosine_similarity(Y,Y_pred))

其中，loss表示第二損失函數，Y表示第二歷史時間段內所包括的各個時刻的酸性氣體排放量，Y_pred表示預設模型所輸出的酸性氣體的預測排放量，MAE表示求取第二歷史時間段內所包括的各個預設時刻的酸性氣體排放量與酸性氣體的預測排放量之間的平均絕對誤差，cosine_similarity表示求取第二歷史時間段內所包括的各個預設時刻的酸性氣體排放量與酸性氣體的預測排放量之間的余弦相似度。