[发明专利]带钢酸洗浓度的预测方法及计算机可读存储介质

权利要求书

1.一种带钢酸洗浓度的预测方法，其特征在于，所述方法包括：

获取冷轧带钢酸洗溶液在当前时刻的待分析数据，所述待分析数据包括溶液温度、溶液密度和溶液电导率；

调用酸洗浓度预测模型对所述待分析数据进行浓度预测，得到所述冷轧带钢酸洗溶液的酸洗浓度预测值；

其中，所述酸洗浓度预测模型为预先对待训练神经网络模型训练好的模型，所述待训练神经网络模型包括弹性网正则化项和门控循环单元GRU网络。

2.根据权利要求1所述的方法，其特征在于，所述调用酸洗浓度预测模型对所述待分析数据进行浓度预测之前，所述方法还包括：

获取所述冷轧带钢酸洗溶液在n个不同时刻的历史数据，n为正整数；

利用所述历史数据对所述待训练神经网络模型进行训练，从而得到所述酸洗浓度预测模型。

3.根据权利要求2所述的方法，其特征在于，所述门控循环单元GRU网络部署在所述待训练神经网络模型的隐藏层，所述GRU网络用于：

根据t时刻的历史数据、所述GRU网络输出的(t-1)时刻的记忆保留信息及预设的第一权重参数，计算所述隐藏层在t时刻的第一记忆信息，t为不超过n的正整数；

根据t时刻的历史数据、所述GRU网络输出的(t-1)时刻的记忆保留信息及预设的第二权重参数，计算所述隐藏层在t时刻的第二记忆信息；

根据所述第二记忆信息、所述GRU网络输出的(t-1)时刻的记忆保留信息及预设的第三权重参数，计算所述隐藏层在t时刻的当前记忆信息；

根据所述第一记忆信息、所述当前记忆信息及所述GRU网络输出的(t-1)时刻的记忆保留信息，计算所述GRU网络输出的t时刻的记忆保留信息。

4.根据权利要求3所述的方法，其特征在于，所述待训练神经网络模型还包括输出层，用于：

根据所述隐藏层输出的所述t时刻的记忆保留信息，计算所述待训练神经网络模型输出的所述t时刻的酸洗浓度预测值。

5.根据权利要求4所述的方法，其特征在于，所述t时刻的酸洗浓度预测值为：

y_t＝σ(w_oh_t)

其中，y_t为所述待训练神经网络输出的所述t时刻的酸洗浓度预测值，w_o为预设的第四权重参数，h_t为所述隐藏层输出的所述t时刻的记忆保留信息。

6.根据权利要求2所述的方法，其特征在于，所述弹性网正则化项用于利用目标优化函数对所述待训练神经网络模型中的权重参数进行正则化处理，所述目标优化函数为：

其中，y_tj为t时刻的酸洗浓度真实值，为t时刻的酸洗浓度预测值，m为所述待训练神经网络模型中包括的GRU个数，λ₁和λ₂为预设的正则化调整参数，w₁和w₂为所述待训练神经网络模型中的权重参数。

7.根据权利要求2所述的方法，其特征在于，所述酸洗浓度预测模型为使用损失函数对所述待训练神经网络模型中的权重参数进行更新后得到的，所述损失函数为：

其中，Loss_MAE为所述损失函数，y_i为所述待训练神经网络模型输出的酸洗浓度预测值，y_real为所述历史数据中的酸洗浓度真实值。

8.根据权利要求2所述的方法，其特征在于，所述获取所述冷轧带钢酸洗溶液在n个不同时刻的历史数据包括：

获取所述冷轧带钢酸洗溶液在n个不同时刻的初始数据；

对所述n个不同时刻的初始数据进行归一化处理，得到n个不同时刻的历史数据。