[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

本申請公開了一種工藝參數的預測方法、裝置、電子設備及存儲介質，能夠解決現有技術中因依靠人工經驗來確定工藝參數而導致所確定的工藝參數精確度較低的問題。工藝參數的預測方法包括：獲取預設時間段內的第一工況數據；隨機生成待預測時間段內的第二工況數據，第二工況數據包括各個預設時刻的至少一種調控設備所對應的初始工藝參數；將第一工況數據與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，輸出待預測時間段內酸性氣體的預測排放量，并基于預設的第一損失函數對待預測時間段內初始工藝參數進行更新，第一損失函數定義有預測排放量與預設排放閾值的排放量損失；輸出待預測時間段內至少一種調控設備在目標時刻的目標工藝參數。

技術領域

本申請涉及工業生產技術領域，具體而言，涉及一種工藝參數的預測方法、裝置、電子設備及存儲介質。

背景技術

現有技術中，當酸性氣體排放超標或者低于國家排放標準時，只能根據人工經驗來對相關的工藝參數進行調節，那么可能出現調節的幅度過大或者過小的情況或者調節的時間不恰當的問題，即無法實現工藝參數的精確調節。

發明內容

本申請實施例提供了一種工藝參數的預測方法、裝置、電子設備及存儲介質，能夠解決現有技術因依靠人工經驗來確定工藝參數而導致所確定的工藝參數精確度較低的問題。

第一方面，本申請實施例提供了一種工藝參數的預測方法，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。

本申請實施例中，預訓練的酸性氣體排放量的預測模型中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，第一循環神經網絡用于提取歷史上所設置的工藝參數與酸性氣體排放量之間的周期性特征，第二循環神經網絡用于接收上述周期性特征，并基于該周期性特征以及突變性工藝參數輸出表征酸性氣體排放量的狀態特征，最后全連接網絡基于上述狀態特征輸出酸性氣體的預測排放量。

當需要基于上述預測模型對未來一段時間內的酸性氣體排放量進行預測時，首先可以獲取預設時間段內(即歷史時間段)的第一工況數據，該第一工況數據至少包括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間的酸性氣體排放量；由于未來一段時間內所需要設置的工藝參數是未知的，因此可以隨機生成待預測時間段內的第二工況數據，該第二工況數據包括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初始工藝參數，那么在將上述第一工況數據與第二工況數據輸入到預測模型之后，就可以輸出在第一工況數據以及第二工況數據的影響下酸性氣體的預測排放量。由于酸性氣體的排放量需要以預設排放閾值作為標準，因此可以構建基于酸性氣體的預測排放量與預設排放閾值的第一損失函數，通過優化第一損失函數來對隨機生成的第二工況數據進行更新，便可以輸出更新完成的第二工況數據，即在待預測時間段內至少一種調控設備在目標時刻的目標參數。