[發(fā)明專利]一種中小型轉(zhuǎn)爐的終點(diǎn)碳含量和終點(diǎn)溫度預(yù)測方法

有效

• 申請?zhí)枺?/td>: 202211062538.6
• 申請日: 2022-09-01
• 公開（公告）號: CN115456264B
• 公開（公告）日: 2023-07-25
• 發(fā)明（設(shè)計(jì)）人: 賀東風(fēng);黃涵銳;馮凱;郭園征
• 申請（專利權(quán)）人: 北京科技大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F18/23;G06F18/214;G06Q50/04
• 代理公司: 北京市廣友專利事務(wù)所有限責(zé)任公司 11237
• 代理人: 張仲波

1.一種中小型轉(zhuǎn)爐的終點(diǎn)碳含量和終點(diǎn)溫度預(yù)測方法，其特征在于，包括如下步驟：

步驟S1，獲取中小型轉(zhuǎn)爐的歷史生產(chǎn)數(shù)據(jù)，并對歷史生產(chǎn)數(shù)據(jù)進(jìn)行維度篩選，首先篩除異常數(shù)據(jù)后，再選用灰色關(guān)聯(lián)度算法進(jìn)行數(shù)據(jù)分析和選取，得到用于模型訓(xùn)練的數(shù)據(jù)集；所述數(shù)據(jù)集包括11個(gè)數(shù)據(jù)項(xiàng)，分別為：鐵水C含量、鐵水硅含量、鐵水Mn含量、鐵水P含量、鐵水重量、鐵水溫度、廢鋼用量、供氧用量、生石灰、輕燒白云石、煉鐵廢塊；

所述灰色關(guān)聯(lián)度算法包括：

步驟S11，選定參考數(shù)列和比較數(shù)列；其中，選定終點(diǎn)碳含量與終點(diǎn)溫度為參考數(shù)列；選定除終點(diǎn)碳含量與終點(diǎn)溫度以外的數(shù)據(jù)項(xiàng)數(shù)列為比較數(shù)列；

步驟S12，對所述參考數(shù)列和比較數(shù)列進(jìn)行無量綱化處理；

步驟S13，計(jì)算處理后的參考數(shù)列和比較數(shù)列間的灰色關(guān)聯(lián)系數(shù)與灰色關(guān)聯(lián)度；

步驟S2，基于共享最近鄰傳播SNN-AP算法構(gòu)建聚類模型，將所述用于模型訓(xùn)練的數(shù)據(jù)集輸入所述聚類模型，得到基于模型訓(xùn)練數(shù)據(jù)集的聚類中心點(diǎn)集及對應(yīng)的聚類數(shù)據(jù)集；

所述共享最近鄰傳播SNN-AP算法，設(shè)置數(shù)據(jù)量為n的m維數(shù)據(jù)集D_n×m，以數(shù)據(jù)集內(nèi)兩數(shù)據(jù)i、k間相似度s(i,k)為基礎(chǔ)，計(jì)算描述點(diǎn)k適合作為數(shù)據(jù)點(diǎn)i的聚類中心程度的吸引度r(i,k)，由此組成的吸引度矩陣R如式(1)所示：

R＝[r(i,k)]_n×n?(1)計(jì)算描述點(diǎn)i選擇點(diǎn)k適合作為其聚類中心程度的歸屬度a(i,k)，由此組成的歸屬度矩陣A如式(2)所示：

A＝[a(i,k)]_n×n?(2)

式(1)和(2)中，r(i,k)表示點(diǎn)k作為中心點(diǎn)對點(diǎn)i的吸引度，a(i,k)表示點(diǎn)k作為中心點(diǎn)時(shí)，點(diǎn)i歸屬于點(diǎn)k的歸屬度；

所述共享最近鄰傳播SNN-AP算法的運(yùn)行過程包括：

步驟S21，對R、A兩個(gè)矩陣及中心未變次數(shù)進(jìn)行初始化，計(jì)算數(shù)據(jù)集的相似度矩陣S＝[s(i,k)]_n×n；

步驟S22，以相似度矩陣S＝[s(i,k)]_n×n為基礎(chǔ)，對吸引度矩陣R＝[r(i,k)]_n×n、歸屬度矩陣A＝[a(i,k)]_n×n兩個(gè)信息量矩陣進(jìn)行交替更新，以數(shù)據(jù)點(diǎn)之間共享最近鄰SNN為指標(biāo)的相似性度量方式，對AP算法進(jìn)行改進(jìn)，運(yùn)用灰色關(guān)聯(lián)度算法對SNN中尋找K近鄰時(shí)的距離度量公式進(jìn)行修正；

步驟S23，以r(i,i)+a(i,i)0作為預(yù)設(shè)規(guī)則，當(dāng)點(diǎn)i對自身的吸引度和自身的歸屬度之和大于0時(shí)，選擇該點(diǎn)作為聚類中心點(diǎn)；

步驟S24，當(dāng)多次迭代得到的聚類中心點(diǎn)集均未變化時(shí)，或迭代次數(shù)達(dá)到預(yù)設(shè)最大值時(shí)，結(jié)束迭代，并得到最終的聚類中心點(diǎn)集；

步驟S25，以max(a(i,j)+r(i,j))作為規(guī)則，將聚類中心點(diǎn)外的其余點(diǎn)分配至合適的聚類中心點(diǎn)下，從而得到最終的隸屬關(guān)系與聚類結(jié)果；

步驟S3，采用梯度提升樹算法，為每類數(shù)據(jù)集建立終點(diǎn)碳含量預(yù)測模型和終點(diǎn)溫度預(yù)測模型；其中，終點(diǎn)碳含量預(yù)測模型和終點(diǎn)溫度預(yù)測模型的輸入數(shù)據(jù)項(xiàng)包括：鐵水碳、硅、錳、磷成分含量、鐵水重量、鐵水溫度、廢鋼用量、供氧總量、生石灰、輕燒白云石、煉鐵廢塊，輸出項(xiàng)分別為終點(diǎn)碳成分含量和終點(diǎn)溫度；

步驟S4，將每個(gè)類別的數(shù)據(jù)集輸入對應(yīng)的所述終點(diǎn)碳含量預(yù)測模型及終點(diǎn)溫度預(yù)測模型進(jìn)行訓(xùn)練，得到成熟的終點(diǎn)碳含量預(yù)測模型及終點(diǎn)溫度預(yù)測模型；

步驟S5，采集所述中小型轉(zhuǎn)爐與所述比較數(shù)列對應(yīng)的數(shù)據(jù)項(xiàng)，輸入對應(yīng)類別的成熟的終點(diǎn)碳含量預(yù)測模型及終點(diǎn)溫度預(yù)測模型，得到預(yù)測的當(dāng)前碳含量及溫度。

2.根據(jù)權(quán)利要求1所述的中小型轉(zhuǎn)爐的終點(diǎn)碳含量和終點(diǎn)溫度預(yù)測方法，其特征在于，采用鄧氏關(guān)聯(lián)度計(jì)算灰色關(guān)聯(lián)系數(shù)與灰色關(guān)聯(lián)度。

3.根據(jù)權(quán)利要求2所述的中小型轉(zhuǎn)爐的終點(diǎn)碳含量和終點(diǎn)溫度預(yù)測方法，其特征在于，修正后的距離度量公式如式(4)所示：

式(4)中，l代表數(shù)據(jù)的維度，i_l代表點(diǎn)i第l維的數(shù)據(jù)，k_l代表點(diǎn)k第l維的數(shù)據(jù)，ω_l代表第l維數(shù)據(jù)的修正系數(shù)值。

4.根據(jù)權(quán)利要求1所述的中小型轉(zhuǎn)爐的終點(diǎn)碳含量和終點(diǎn)溫度預(yù)測方法，其特征在于，所述梯度提升樹算法，包括：

梯度提升樹算法表示為：

式(6)中，K為樹的總棵數(shù)；f_k為第k棵樹；為樣本x_i的計(jì)算結(jié)果；

梯度提升樹算法下終點(diǎn)碳含量預(yù)測模型和終點(diǎn)溫度預(yù)測模型的迭代公式為：

式(7)中，t為組合t棵樹；為t棵樹模型對樣本的預(yù)測結(jié)果；為組合t-1棵樹模型對樣本的預(yù)測結(jié)果；f_t(x_i)為第t棵樹模型對本次迭代損失的估計(jì)值；

每輪迭代的時(shí)候，都用損失函數(shù)在當(dāng)前模型下的負(fù)梯度來擬合本輪損失的估計(jì)值，這樣每輪訓(xùn)練的時(shí)候都能夠讓損失函數(shù)盡可能快地減小，盡快的收斂達(dá)到局部最優(yōu)解或者全局最優(yōu)解；對于第t輪的第i個(gè)樣本的損失函數(shù)的負(fù)梯度r_ti表示為：

式(8)中，表示第t輪的第i個(gè)樣本的損失函數(shù)；

再計(jì)算第t棵樹模型對本輪損失的估計(jì)值：

式(9)中，L_tj表示第t棵樹的第j個(gè)葉子節(jié)點(diǎn)；c_tj表示第t棵樹的第j個(gè)葉子節(jié)點(diǎn)上使損失函數(shù)最小的擬合值。