买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国矿业大学;内蒙古工业大学

摘要：本发明提供一种基于LSTM的重介质选煤过程精煤质量多步预测方法，首先获取有用数据，将有用数据重构成多个生产组数据；计算煤流分选运输停滞时间T；模型构建，构建LSTM神经网络；模型训练，通过训练集数据损失和测试数据集损失的值和趋势调整步骤LSTM神经网络的网络结构；保存调整后的模型；获取新的数据带入保存的模型输出预测。本发明充分考虑了选煤工艺流程数据与待预测输出变量间的时空关系，使后续的机器学习预测模型结果，能够更好的适用于重介选煤这种具有复杂时空时间序列关系的工业过程。得到较好的预测精度，为后续选煤生产过程的精准控制与产品质量稳定提供了有力依据。

主权项：1.一种基于LSTM的重介质选煤过程精煤质量多步预测方法，其特征在于，所述方法包括以下步骤，1数据获取：获取重介选煤过程中的传感器数据；传感器间隔一定时间对数据进行采样，将采样的数据存储在a行y列的矩阵中，其中a表示采样的次数，y表示获取的数据种类数，所述数据种类包括原煤皮带秤量YM_Weight、原煤灰分YM_Ash、中煤皮带秤量ZM_Weight、矸石皮带秤量GS_Weight、悬浮液密度计值JM_Dense、精煤皮带秤量JM_Weight、精煤灰分JM_Ash、液位计值、压力计值；其中精煤灰分JM_Ash作为待预测变量；2有用数据获取：分析步骤1中获取的矩阵，去除不相关数据种类；对去除不相关数据种类后的传感器数据进行空缺值预处理；去除连续时间节点传感器数值为0的采样得到有用数据；所述有用数据包括原煤皮带秤量YM_Weight、原煤灰分YM_Ash、中煤皮带秤量ZM_Weight、矸石皮带秤量GS_Weight、悬浮液密度计值JM_Dense、精煤皮带秤量JM_Weight、精煤灰分JM_Ash；3将有用数据重构成多个生产组数据；每个所述生产组数据均包括原煤皮带秤量YM_Weight、原煤灰分YM_Ash、中煤皮带秤量ZM_Weight、矸石皮带秤量GS_Weight、悬浮液密度计值JM_Dense、精煤皮带秤量JM_Weight、精煤灰分JM_Ash；将原煤皮带秤量YM_Weight、原煤灰分YM_Ash、中煤皮带秤量ZM_Weight、矸石皮带秤量GS_Weight、悬浮液密度计值JM_Dense、精煤皮带秤量JM_Weight存储在二维矩阵Xna，6中，将精煤灰分JM_Ash存储在一维矩阵Yna中；4计算煤流分选运输停滞时间T；5对二维矩阵Xna，6按照时间T进行时间重构，得到三维数据Xna，6，T，对一维矩阵Yna按照时间T进行时间重构得到二维数据Yna，T；6将多个Xna，6合并成多维输入矩阵X，将多个二维数据Yna，T合并为二维输出矩阵Y；7对输入矩阵X和输出矩阵Y中的数据列进行归一化处理；8将归一化处理后的输入矩阵X和输出矩阵Y进行划分，80％用于训练数据集，20％用于测试数据集；9模型构建，构建多层LSTM神经网络，构建多层LSTM神经网络模型，依据输入矩阵X大小设置初始LSTM输入层，依据输出矩阵Y大小设置最后的LSTM输出层；10模型训练，通过训练数据集损失trainloss和测试数据集损失testloss的值和趋势调整步骤LSTM神经网络的网络结构；11保存调整后的模型及模型权重文件于本地；12重复步骤2-7，获取新的输入矩阵X和输出矩阵Y，将新的输入矩阵X作为验证集，带入保存的模型输出预测；13选取均方根误差RMSE和复判定系数R2来对预测的精煤灰分JM_Ash值与真实的精煤灰分JM_Ash值误差进行评价，其中均方根误差表达式为：复判定系数表达式为：式中，n为样本数，yi为实际值，为预测值，为实际值yi的各分量的均值；14将上述数据处理方法与模型，应用于选煤厂生产环节的精煤质量预测。

全文数据：

权利要求：

百度查询： 中国矿业大学 内蒙古工业大学 一种基于LSTM的重介质选煤过程精煤质量多步预测方法