[发明专利]基于机器学习的焦炭质量预测方法及系统

说明书

本发明提供了基于机器学习的焦炭质量预测方法及系统，通过结合焦炉焦炭质量预测模型对基础炼焦样本数据集合中的基础炼焦样本数据进行焦炭质量指标特征解析，输出焦炭质量指标特征簇，结合焦炭质量指标特征簇，将基础炼焦样本数据作为模型更新成员生成对应的模型更新知识导图，结合模型更新知识导图对基础炼焦样本数据的基础焦炉焦炭质量数据进行更新，输出进阶炼焦样本数据集合，结合进阶炼焦样本数据集合对焦炉焦炭质量预测模型进行参数层信息的调优和选取，从而应用于目标炼焦数据的焦炉焦炭质量预测，从而在训练过程中结合焦炭质量指标特征簇进行基础焦炉焦炭质量数据的更新后再进行模型训练，可以提高焦炉焦炭质量预测的可靠性。

技术领域

本发明涉及工业控制技术领域，具体涉及基于机器学习的焦炭质量预测方法及系统。

背景技术

随着信息科学和预测控制技术的快速发展，工业过程控制对企业信息化和模型预测控制的要求越来越高，需要控制的工业过程也日趋复杂，过程中严重的非线性和不确定性，使许多系统无法用数学模型精确描述，这样建立在数学模型基础上的传统控制方法在实际应用中遇到了许多难以逾越的障碍。

焦炭质量预测模型的开发是近年来焦化行业研究的热点课题之一，焦炭的质量预测从广义上讲，包括焦炭的灰分、硫分等化学性质指标、冷态强度指标以及热态性质指标，所建立的焦炭质量预测模型能够预测和控制焦炭质量，为优化配煤结构、降低生产成本奠定了理论基础。

如何建立具有焦炭质量预测的焦炭质量预测模型，保证焦炉焦炭质量预测的可靠性，是亟待研究的技术问题。

发明内容

(一)解决的技术问题

本发明的目的在于克服现有技术中的上述不足，本申请的目的在于提供一种结合机器学习的焦炉焦炭质量预测方法及系统。

(二)技术方案

本申请提供了，基于机器学习的焦炭质量预测方法，应用于机器学习预测系统，所述机器学习预测系统与多个炼焦配煤与炼焦工艺控制端通信连接，所述基于机器学习的焦炭质量预测方法包括：

从预设炼焦数据库中获得基础炼焦样本数据集合，所述基础炼焦样本数据集合涵盖多个信任认证的基础焦炉焦炭质量数据的基础炼焦样本数据；

结合焦炉焦炭质量预测模型对所述基础炼焦样本数据集合中的基础炼焦样本数据进行焦炭质量指标特征解析，输出焦炭质量指标特征簇；

结合所述焦炭质量指标特征簇，将所述基础炼焦样本数据作为模型更新成员生成对应的模型更新知识导图；

结合所述模型更新知识导图对所述基础炼焦样本数据的基础焦炉焦炭质量数据进行更新，输出进阶炼焦样本数据集合；

结合所述进阶炼焦样本数据集合对所述焦炉焦炭质量预测模型进行参数层信息的调优和选取，而后结合参数层信息的调优和选取后的目标焦炉焦炭质量预测模型对传送的目标炼焦数据进行焦炉焦炭质量预测。

本申请还提供了，基于机器学习的焦炭质量预测系统，包括机器学习预测系统以及与所述机器学习预测系统通信连接的多个炼焦配煤与炼焦工艺控制端；

所述机器学习预测系统，用于：

从预设炼焦数据库中获得基础炼焦样本数据集合，所述基础炼焦样本数据集合涵盖多个信任认证的基础焦炉焦炭质量数据的基础炼焦样本数据；

结合焦炉焦炭质量预测模型对所述基础炼焦样本数据集合中的基础炼焦样本数据进行焦炭质量指标特征解析，输出焦炭质量指标特征簇；

结合所述焦炭质量指标特征簇，将所述基础炼焦样本数据作为模型更新成员生成对应的模型更新知识导图；

结合所述模型更新知识导图对所述基础炼焦样本数据的基础焦炉焦炭质量数据进行更新，输出进阶炼焦样本数据集合；