一种水泥熟料游离氧化钙含量预测方法及相关设备技术

本申请实施例属于人工智能领域，涉及水泥熟料游离氧化钙含量预测方法及相关设备，所述方法包括根据历史数据确定水泥熟料游离氧化钙含量值和生料质量数据、工艺参数及对应样本；根据工艺参数和水泥熟料游离氧化钙含量值构建数据集输入预设的长短期记忆神经网络的编码器，得到工艺参数的特征向量输入长短期记忆神经网络的解码器和预设的全连接神经网络，对长短期记忆神经网络进行训练；通过训练后的长短期记忆神经网络的编码器得到工艺参数的新的特征向量与多个生料质量数据进行拼接输入预设回归模型进行训练；根据训练后的长短期记忆神经网络的编码器和回归模型对待预测对象进行预测。本申请方案具有更高的预测精度，可避免过度拟合，抗干扰性强。抗干扰性强。抗干扰性强。

【技术实现步骤摘要】
一种水泥熟料游离氧化钙含量预测方法及相关设备


[0001]本申请涉及人工智能
，尤其涉及一种水泥熟料游离氧化钙含量预测方法、装置、计算机设备及计算机可读存储介质。

技术介绍

[0002]水泥烧成过程中熟料游离氧化钙的含量是衡量水泥质量的一个重要标准，它表示生料煅烧中氧化钙与氧化硅、氧化铝、氧化铁结合后剩余的程度，它的高低直接影响水泥熟料的强度。传统水泥熟料游离氧化钙含量检测实时性差，难以实时指导生产，因此深入研究水泥回转窑烧成过程内部的传热机理和机器学习算法，建立水泥熟料游离氧化钙含量预测模型对提高水泥熟料质量、促进水泥行业的节能减排以及提高水泥生产效率有重要作用。
[0003]随着人工智能技术的发展，基于数据驱动的机器学习建模技术被应用到熟料游离氧化钙含量预测中。现有技术中，最小二乘法与支持向量机结合的水泥熟料游离氧化钙含量预测方法，当样本量过大时容易造成过拟合；而滑动窗口递推最小二乘法建立水泥熟料游离氧化钙含量预测模型，虽然提高了游离氧化钙含量预测的实时性，但当生产工况发生改变时预测精度大大降低。水泥熟料生产是一个复杂多变的过程，且大部分生产线具有趋势数据频率高、质量数据频率低的特征，如何获取精度高、抗干扰强的预测模型成为亟待解决的技术问题。

技术实现思路

[0004]本申请实施例的目的在于提出一种水泥熟料游离氧化钙含量预测方法、装置、计算机设备及存储介质，以解决现有技术采用的预测方法容易过拟合、预测精度低的问题。
[0005]为了解决上述技术问题，本申请实施例提供一种水泥熟料游离氧化钙含量预测方法，采用了如下所述的技术方案：
[0006]一种水泥熟料游离氧化钙含量预测方法，包括下述步骤：
[0007]获取历史数据，根据历史数据确定历史水泥熟料游离氧化钙含量值和多个历史生料质量数据，并确定与所述历史水泥熟料游离氧化钙含量相关的多个工艺参数及对应的样本；
[0008]根据所述工艺参数和所述历史水泥熟料游离氧化钙含量值构建数据集，并将所述数据集切分为若干数组，再输入预设的长短期记忆神经网络的编码器进行抽取压缩，得到所述工艺参数的特征向量；
[0009]将所述特征向量输入所述预设的长短期记忆神经网络的解码器和预设的全连接神经网络，对所述历史水泥熟料游离氧化钙含量值进行生成与拟合，以通过所述预设的全连接神经网络对所述预设的长短期记忆神经网络进行修正，完成所述预设的长短期记忆神经网络的训练；
[0010]将所述若干数组输入训练后的长短期记忆神经网络的编码器，得到所述工艺参数的新的特征向量，将所述新的特征向量与所述多个生料质量数据进行拼接，得到拼接数据
集并输入预设回归模型进行训练，得到训练后的回归模型；
[0011]根据所述训练后的长短期记忆神经网络的编码器和所述训练后的回归模型对待预测对象进行水泥熟料游离氧化钙含量预测。
[0012]进一步的，所述根据所述训练后的长短期记忆神经网络的编码器和所述训练后的回归模型对待预测对象进行水泥熟料游离氧化钙含量预测的步骤包括：
[0013]获取待预测对象的生料质量数据；
[0014]获取待预测对象的工艺参数及对应的值，将其输入所述训练后的长短期记忆神经网络的编码器，得到目标特征向量；
[0015]将所述目标特征向量和所述待预测对象的生料质量数据进行拼接，将拼接后的数据输入所述训练后的回归模型，得到所述待预测对象的水泥熟料游离氧化钙含量的预测值。
[0016]进一步的，所述根据所述工艺参数和所述历史水泥熟料游离氧化钙含量值构建数据集，并将所述数据集切分为若干数组的步骤包括：
[0017]将所述工艺参数的样本值和所述历史水泥熟料游离氧化钙含量值在时间上进行对齐形成矩阵，完成数据集构建；
[0018]根据预设时间窗对所述数据集进行切分，生成若干数组。
[0019]进一步的，通过所述预设的全连接神经网络对所述预设的长短期记忆神经网络进行修正时，所述方法采用如下的损失函数：
[0020][0021]其中a，b为所述预设的长短期记忆神经网络的解码器和预设的全连接神经网络对应的损失的权重，M为所述工艺参数的样本个数；G(x)为生成数组。
[0022]进一步的，所述预设回归模型采用XGBOOST模型。
[0023]为了解决上述技术问题，本申请实施例还提供一种水泥熟料游离氧化钙含量预测装置，采用了如下所述的技术方案：
[0024]一种水泥熟料游离氧化钙含量预测装置，包括：
[0025]数据获取模块，用于获取历史数据，根据历史数据确定历史水泥熟料游离氧化钙含量值和多个历史生料质量数据，并确定与所述历史水泥熟料游离氧化钙含量相关的多个工艺参数及对应的样本；
[0026]特征提取模块，用于根据所述工艺参数和所述历史水泥熟料游离氧化钙含量值构建数据集，并将所述数据集切分为若干数组，再输入预设的长短期记忆神经网络的编码器进行抽取压缩，得到所述工艺参数的特征向量；
[0027]训练模块，用于将所述特征向量输入所述预设的长短期记忆神经网络的解码器和预设的全连接神经网络，对所述历史水泥熟料游离氧化钙含量值进行生成与拟合，以通过所述预设的全连接神经网络对所述预设的长短期记忆神经网络进行修正，完成所述预设的长短期记忆神经网络的训练；将所述若干数组输入训练后的长短期记忆神经网络的编码器，得到所述工艺参数的新的特征向量，将所述新的特征向量与所述多个生料质量数据进行拼接，得到拼接数据集并输入预设回归模型进行训练，得到训练后的回归模型；
[0028]预测模块，用于根据所述训练后的长短期记忆神经网络的编码器和所述训练后的
回归模型对待预测对象进行水泥熟料游离氧化钙含量预测。
[0029]进一步的，所述预测模块根据所述训练后的长短期记忆神经网络的编码器和所述训练后的回归模型对待预测对象进行水泥熟料游离氧化钙含量预测时，具体用于：
[0030]获取待预测对象的生料质量数据；获取待预测对象的工艺参数及对应的值，将其输入所述训练后的长短期记忆神经网络的编码器，得到目标特征向量；将所述目标特征向量和所述待预测对象的生料质量数据进行拼接，将拼接后的数据输入所述训练后的回归模型，得到所述待预测对象的水泥熟料游离氧化钙含量的预测值。
[0031]进一步的，所述特征提取模块根据所述工艺参数和所述历史水泥熟料游离氧化钙含量值构建数据集，并将所述数据集切分为若干数组时，具体用于：
[0032]将所述工艺参数的样本值和所述历史水泥熟料游离氧化钙含量值在时间上进行对齐形成矩阵，完成数据集构建；根据预设时间窗对所述数据集进行切分，生成若干数组。
[0033]为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
[0034]一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上所述的水泥熟料游离氧化钙含量预测方法的步骤。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水泥熟料游离氧化钙含量预测方法，其特征在于，包括下述步骤：获取历史数据，根据历史数据确定历史水泥熟料游离氧化钙含量值和多个历史生料质量数据，并确定与所述历史水泥熟料游离氧化钙含量相关的多个工艺参数及对应的样本；根据所述工艺参数和所述历史水泥熟料游离氧化钙含量值构建数据集，并将所述数据集切分为若干数组，再输入预设的长短期记忆神经网络的编码器进行抽取压缩，得到所述工艺参数的特征向量；将所述特征向量输入所述预设的长短期记忆神经网络的解码器和预设的全连接神经网络，对所述历史水泥熟料游离氧化钙含量值进行生成与拟合，以通过所述预设的全连接神经网络对所述预设的长短期记忆神经网络进行修正，完成所述预设的长短期记忆神经网络的训练；将所述若干数组输入训练后的长短期记忆神经网络的编码器，得到所述工艺参数的新的特征向量，将所述新的特征向量与所述多个生料质量数据进行拼接，得到拼接数据集并输入预设回归模型进行训练，得到训练后的回归模型；根据所述训练后的长短期记忆神经网络的编码器和所述训练后的回归模型对待预测对象进行水泥熟料游离氧化钙含量预测。2.根据权利要求1所述的水泥熟料游离氧化钙含量预测方法，其特征在于，所述根据所述训练后的长短期记忆神经网络的编码器和所述训练后的回归模型对待预测对象进行水泥熟料游离氧化钙含量预测的步骤包括：获取待预测对象的生料质量数据；获取待预测对象的工艺参数及对应的值，将其输入所述训练后的长短期记忆神经网络的编码器，得到目标特征向量；将所述目标特征向量和所述待预测对象的生料质量数据进行拼接，将拼接后的数据输入所述训练后的回归模型，得到所述待预测对象的水泥熟料游离氧化钙含量的预测值。3.根据权利要求2所述的水泥熟料游离氧化钙含量预测方法，其特征在于，所述根据所述工艺参数和所述历史水泥熟料游离氧化钙含量值构建数据集，并将所述数据集切分为若干数组的步骤包括：将所述工艺参数的样本值和所述历史水泥熟料游离氧化钙含量值在时间上进行对齐形成矩阵，完成数据集构建；根据预设时间窗对所述数据集进行切分，生成若干数组。4.根据权利要求1至3任一项所述的水泥熟料游离氧化钙含量预测方法，其特征在于，通过所述预设的全连接神经网络对所述预设的长短期记忆神经网络进行修正时，所述方法采用如下的损失函数：其中a，b为所述预设的长短期记忆神经网络的解码器和预设的全连接神经网络对应的损失的权重，M为所述工艺参数的样本个数；G(x)为生成数组。5.根据权利要求1至3任一项所述的水泥熟料游离氧化钙含量预测方法，其特征在于，所述预设回归模型采用XGBOOST模型。6.一种水泥熟料游离氧化钙含量...

【专利技术属性】
技术研发人员：刘雨桐，胡要林，景世表，欧阳葆青，江开放，王国勋，雷晓宇，张兴，李婉莹，
申请(专利权)人：华润水泥投资有限公司，
类型：发明
国别省市：