[發明專利]基于機器學習的焦炭質量預測方法及系統

在審

• 申請號: 202210557536.8
• 申請日: 2022-05-19
• 公開（公告）號: CN114841460A
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 崔平;陳吉;胡作進;雷昭;凌強;趙志剛
• 申請（專利權）人: 安徽工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F16/36;G06Q10/06;G06Q50/04
• 代理公司: 安徽順超知識產權代理事務所(特殊普通合伙) 34120
• 代理人: 李照

1.基于機器學習的焦炭質量預測方法，其特征在于，應用于機器學習預測系統，所述機器學習預測系統與多個煉焦配煤與煉焦工藝控制端通信連接，所述基于機器學習的焦炭質量預測方法包括：

從預設煉焦數據庫中獲得基礎煉焦樣本數據集合，所述基礎煉焦樣本數據集合涵蓋多個信任認證的基礎焦爐焦炭質量數據的基礎煉焦樣本數據；

結合所述焦爐焦炭質量預測模型對所述基礎煉焦樣本數據集合中的基礎煉焦樣本數據進行焦炭質量指標特征解析，輸出焦炭質量指標特征簇；

結合所述焦炭質量指標特征簇，將所述基礎煉焦樣本數據作為模型更新成員生成對應的模型更新知識導圖；

結合所述模型更新知識導圖對所述基礎煉焦樣本數據的基礎焦爐焦炭質量數據進行更新，輸出進階煉焦樣本數據集合；

結合所述進階煉焦樣本數據集合對所述焦爐焦炭質量預測模型進行參數層信息的調優和選取，而后結合參數層信息的調優和選取后的目標焦爐焦炭質量預測模型對所述煉焦配煤與煉焦工藝控制端傳送的目標煉焦數據進行焦爐焦炭質量預測。

2.根據權利要求1所述的基于機器學習的焦炭質量預測方法，其特征在于，所述結合所述模型更新知識導圖對所述基礎煉焦樣本數據的基礎焦爐焦炭質量數據進行更新，輸出進階煉焦樣本數據集合，包括：

結合所述基礎煉焦樣本數據的基礎焦爐焦炭質量數據在所述模型更新知識導圖的模型更新成員之間進行質量指標關系變量關聯，輸出所述基礎煉焦樣本數據的進階焦爐焦炭質量數據信息；

結合所述進階焦爐焦炭質量數據信息，對所述基礎煉焦樣本數據的基礎焦爐焦炭質量數據進行更新，輸出進階煉焦樣本數據集合。

3.根據權利要求2所述的基于機器學習的焦炭質量預測方法，其特征在于，所述結合所述基礎煉焦樣本數據的基礎焦爐焦炭質量數據在所述模型更新知識導圖的模型更新成員之間進行質量指標關系變量關聯，輸出所述基礎煉焦樣本數據的進階焦爐焦炭質量數據信息，包括：

結合所述基礎煉焦樣本數據的基礎焦爐焦炭質量數據，生成所述基礎煉焦樣本數據集合相應的基礎焦爐焦炭質量數據集合；

結合信任開發的質量指標關系變量關聯算法，將所述基礎焦爐焦炭質量數據集合在所述模型更新知識導圖的模型更新成員之間進行質量指標關系變量關聯，輸出所述基礎煉焦樣本數據的進階焦爐焦炭質量數據信息；

其中，所述基礎焦爐焦炭質量數據集合包括每一基礎煉焦樣本數據相應的基礎焦爐焦炭質量數據；

所述結合信任開發的質量指標關系變量關聯算法，將所述基礎焦爐焦炭質量數據集合在所述模型更新知識導圖的模型更新成員之間進行質量指標關系變量關聯，輸出所述基礎煉焦樣本數據的進階焦爐焦炭質量數據信息，包括：

結合所述模型更新知識導圖確定所述基礎煉焦樣本數據之間的煉焦生產質量指標的協同熱力值；

獲取所述煉焦生產質量指標的協同熱力值相應的協同節點數量，而后結合所述協同節點數量，對所述基礎煉焦樣本數據的基礎焦爐焦炭質量數據進行映射關聯；

將映射關聯的基礎焦爐焦炭質量數據進行歸集，輸出所述基礎煉焦樣本數據的進階焦爐焦炭質量數據信息。

4.根據權利要求2所述的基于機器學習的焦炭質量預測方法，其特征在于，所述結合所述進階焦爐焦炭質量數據信息，對所述基礎煉焦樣本數據的基礎焦爐焦炭質量數據進行更新，輸出進階煉焦樣本數據集合，包括：

在所述進階焦爐焦炭質量數據信息中提取所述基礎煉焦樣本數據的進階焦爐焦炭質量特征；

結合所述進階焦爐焦炭質量特征，生成所述基礎煉焦樣本數據的進階焦爐焦炭質量數據；

結合所述進階焦爐焦炭質量數據，對所述基礎煉焦樣本數據的基礎焦爐焦炭質量數據進行更新，輸出進階煉焦樣本數據集合。

5.根據權利要求4所述的基于機器學習的焦炭質量預測方法，其特征在于，所述結合所述進階焦爐焦炭質量特征，生成所述基礎煉焦樣本數據的進階焦爐焦炭質量數據，包括：

在所述進階焦爐焦炭質量特征中選擇質量指標值最大的焦爐焦炭質量指標；

在所述進階焦爐焦炭質量特征中提取所述焦爐焦炭質量指標的指標屬性數據；

獲取所述指標屬性數據相應的映射焦爐焦炭質量數據，將所述映射焦爐焦炭質量數據作為所述基礎煉焦樣本數據的進階焦爐焦炭質量數據。