申请/专利权人：东北大学;沈阳华盛冶金技术与装备有限责任公司

申请日：2024-03-15

公开（公告）日：2024-06-14

公开（公告）号：CN118197463A

主分类号：G16C20/30

分类号：G16C20/30;G16C20/70;G06F18/10;G06F18/2135;G06F18/214;G06F18/243;G06F18/27;G06N20/20

优先权：

专利状态码：在审-公开

法律状态：2024.06.14#公开

摘要：一种基于堆叠集成策略对冶金过程终点质量进行预测的方法，采集冶金的过程数据；根据机理分析和现场专家经验，并利用随机森林或PCA技术进行特征筛选获得关键输入变量；标准化、缺失值、异常值数据清洗和处理；将数据划分为训练集和测试集；使用六折交叉检验方法，利用由并行排列的随机森林回归、极端随机森林回归和极限梯度提升训练多个初级集成模型，并构成第一网络层；使用贝叶斯优化算法优化确定超参数；由逻辑线性回归构建第二网络层，用第一网络层整合的训练集与测试集作为数据集，进行元学习器训练，最终获得终点预测输出；利用测试集数据评估模型性能；进行预测。该方法能提高对于冶金终点质量预测的精确性和模型的适应性。

主权项：1.一种基于堆叠集成策略对冶金过程终点质量进行预测的方法，其特征在于，包括以下步骤：步骤一：采集冶金的过程数据；利用安装在转炉系统关键采集点上的多组传感器采集转炉冶炼过程的历史数据；步骤二：根据机理分析和现场专家经验，并利用随机森林或PCA技术进行特征筛选获得关键输入变量；步骤三：标准化、缺失值、异常值数据清洗和处理；对于采集的数据，经过清洗和标准化，实现数据的缺失值以及异常值以及数据的归一化步骤；步骤四：将清洗后的数据划分为训练集和测试集；步骤五：使用六折交叉检验方法，利用由并行排列的随机森林回归、极端随机森林回归和极限梯度提升训练多个初级集成模型，并构成第一网络层，具体过程如下：S11：构建堆叠框架；采用非线性集成策略组合异质学习器构成学习能力更强的多层学习器，并使深层学习器以初级学习器的输出结果作为数据集，实现再学习功能，其具体过程如下：A1：将经过预处理的数据集，分成训练集和测试集；A2：选取N个初级学习器，进行数据训练；A3：将训练集进一步被分为K个大小相等的子集用于交叉验证；A4：对于每个初级学习器，使用K-1份子集作为训练数据，剩余1份作为验证数据；每个初级学习器生成K个模型验证输出，即[v1,v2,…,vk]，这些验证输出组合成验证输出集合V1，对N个初级学习器得到验证输出集合[V1,V2,…,VN]；A5：将测试集输入到每个训练好的初级学习器中，生成K组测试输出[t1,t2,…,tk]，并构成输出集合T1，则N个初级学习器得到N测试输出集合[T1,T2,…,TN]；A6：将所有初级学习器的验证输出集合和测试输出集合分别进行合并，构成第二层网络训练所用的训练集和测试集；S12：构建随机森林回归模型；由回归树作为基学习器，通过并行组合的集成策略使N个独立并行的回归树对应的多个基学习器相互独立，采用BootstrapAggregationBagging集成方式构成强学习器，根据公式1中的Bagging构造算法获得最小化目标函数的随机森林回归算法的目标预测值fx； 式中，fnx为每一个互不影响各自训练的回归树得到的预测结果；f是由数据集D学到的模型；S13：构建极端随机森林回归模型；在训练集选取上，使用所有的训练样本得到每棵回归树；在节点分裂方面，随机选择一个处于该特征属性的最大值和最小值之间的任意数，当样本的该特征属性值大于该值时，作为左分支，当小于该值时，作为右分支；实现在该特征属性下把样本随机分配到分支上的目的；然后计算此时的分叉值；遍历节点内的所有特征属性，按上述方法得到所有特征属性的分叉值；并选择分叉值最大的形式实现对该节点的分叉；S14：构建极限梯度提升模型；通过Boosting集成思想将多个回归树模型进行线性组合，利用公式2中的Boosting构造算法，通过不断迭代的方式建立误差最小的预测模型； 式中，Fm-1x是前一轮的预测结果，当前这一轮的预测结果；步骤六：使用贝叶斯优化算法优化确定超参数；利用贝叶斯优化算法确定对初级学习器计算精度影响较大的超参数，以增强初级学习器学习数据的能力；通过贝叶斯优化算法构建后验概率分布，用以预测目标函数在不同超参数组合下的潜在值，并以此后验概率分布作为超参数搜索方向的指标；步骤七：由逻辑线性回归构建第二网络层，用第一网络层整合的训练集与测试集作为数据集，进行元学习器训练，从而实现第一网络层的预测结果作为特征进行再提取，构建出双层堆叠模型，最终获得终点预测输出；步骤八：利用测试集数据评估双层堆叠模型性能；步骤九：通过双层堆叠模型对转炉终点温度，Mn和S质量成分进行预测。

全文数据：

权利要求：

百度查询： 东北大学;沈阳华盛冶金技术与装备有限责任公司 基于堆叠集成策略对冶金过程终点质量进行预测的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD