轧钢数据采样方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种轧钢数据采样方法、装置、电子设备及存储介质，轧钢数据采样方法，包括：获取待轧制钢材的钢种信息；获取轧钢生产线的基础轧钢数据集；对所述基础轧钢数据集进行数据下采样，得到初始轧钢数据集；根据所述待轧制钢材的钢种信息，对所述初始轧钢数据集进行数据上采样，得到目标轧钢数据集。本申请轧钢数据采样方法、装置、电子设备及存储介质，可有效地减少用于轧钢生产线的机器学习模型训练的不同轧制钢种的样本数量的偏差，进而可以提高训练出来的机器学习模型在应用阶段的精度，尤其是对于不经常轧制的钢种，可以有效地提高其轧制出的成品的精度及质量。

【技术实现步骤摘要】
轧钢数据采样方法、装置、电子设备及存储介质
本申请涉及钢铁轧制
，具体而言，涉及一种轧钢数据采样方法、装置、电子设备及存储介质。
技术介绍
在钢铁轧制的过程中，为了提高生产的钢材的质量，比如钢卷的厚度、厚差、强度等质量指标，通常轧钢生产线的控制系统会包含有一些由机器学习算法实现的模型，比如轧制力模型、宽度模型、温度模型等等。目前，这些机器学习模型的训练主要采用从轧钢生产线采集的轧钢数据，在轧钢生产线中，每条轧钢数据都会包含轧制的钢材的型号，即钢种，然而，由于轧制的钢种总是在变化，每天要轧制的钢材可能都不尽相同，并且，不同的轧制钢种的样本数量也会存在较大的偏差，如此便导致了训练出来的机器学习模型在应用阶段的精度较差，尤其是对于不经常轧制的钢种(小样本的钢种)而言，由于其在训练时样本数量很少，导致机器学习模型更偏重于经常轧制的钢种，进而导致不经常轧制的钢种的钢材，其轧制出的成品的精度更差、质量更低。
技术实现思路
本申请实施例的目的在于提供一种轧钢数据采样方法、装置、电子设备及存储介质，可有效地减少用于轧钢生产线的本文档来自技高网...

【技术保护点】
1.一种轧钢数据采样方法，其特征在于，包括：/n获取待轧制钢材的钢种信息；/n获取轧钢生产线的基础轧钢数据集；/n对所述基础轧钢数据集进行数据下采样，得到初始轧钢数据集；/n根据所述待轧制钢材的钢种信息，对所述初始轧钢数据集进行数据上采样，得到目标轧钢数据集。/n

【技术特征摘要】
1.一种轧钢数据采样方法，其特征在于，包括：
获取待轧制钢材的钢种信息；
获取轧钢生产线的基础轧钢数据集；
对所述基础轧钢数据集进行数据下采样，得到初始轧钢数据集；
根据所述待轧制钢材的钢种信息，对所述初始轧钢数据集进行数据上采样，得到目标轧钢数据集。


2.根据权利要求1所述的轧钢数据采样方法，其特征在于，所述对所述基础轧钢数据集进行数据下采样，得到初始轧钢数据集，包括：
根据所述基础轧钢数据集中轧钢数据的产生时间，按时间的先后顺序对所述基础轧钢数据集中轧钢数据进行排序；
按钢种将排序后的基础轧钢数据集分为至少一个第一子数据集；
根据每个所述第一子数据集中轧钢数据的数量及预定的第一样本量，确定待采样的第一子数据集；
对所有所述待采样的第一子数据集进行数据下采样，得到初始轧钢数据集。


3.根据权利要求2所述的轧钢数据采样方法，其特征在于，所述对所有所述待采样的第一子数据集进行数据下采样，得到初始轧钢数据集，包括：
对于每个所述待采样的第一子数据集，按时间的先后顺序，依次删除所述待采样的第一子数据集中轧钢数据的产生时间最早的轧钢数据，直至所述待采样的第一子数据集中轧钢数据的数量等于预定的第一样本量；
按时间的先后顺序，将所有所述第一子数据集及所有采样后的第一子数据集中的轧钢数据进行排序，得到初始轧钢数据集。


4.根据权利要求3所述的轧钢数据采样方法，其特征在于，所述对所有所述待采样的第一子数据集进行数据下采样，得到初始轧钢数据集，还包括：
获取新增轧钢数据；
根据预定的样本总量、预定的第二样本量及时间的先后顺序，将所述新增轧钢数据增加至所述初始轧钢数据集中。


5.根据权利要求1所述的轧钢数据采样方法，其特征在于，所述根据所述待轧制钢材的钢种信息，对所述初始轧钢数据集进行数据上采样，得到目标轧钢数据集，包括：
按时间的先后顺序，将所述初始轧钢数据集中的轧钢数据均等划分为N个区间；
按钢种将所述初始轧钢数据集分为至少一个第二子数据集；
根据所述第二子数据集的钢种是否属于所述待轧制钢材的钢种或所述第二子数据集中轧钢数据的数量是否小于预定的第三样本量，确定待采样的第二子数据集；
对所有所述待采样的第...

【专利技术属性】
技术研发人员：周鹏程，李青星，林以明，
申请(专利权)人：创新奇智重庆科技有限公司，
类型：发明
国别省市：重庆;50