一种基于深度学习的水泥生产尾气监测方法及系统技术方案

本发明专利技术属于水泥生产尾气监测领域，公开了一种基于深度学习的水泥生产尾气监测方法及系统，水泥生产尾气监测方法包括：获取水泥生产的过程检测数据集；对所述数据集进行预处理和正则化处理；利用基于时间注意力图卷积网络TA

【技术实现步骤摘要】
一种基于深度学习的水泥生产尾气监测方法及系统


[0001]本专利技术属于水泥生产尾气监测领域，尤其涉及一种基于深度学习的水泥生产尾气监测方法及系统。

技术介绍

[0002]目前，随着全球气候变暖问题的日益突出，碳排放问题成为各行各业关注的焦点。水泥行业作为工业领域的第二大碳排放行业本专利技术通过实验设计了一个基于深度学习的水泥生产尾气监测系统，利用深度学习技术和水泥生产过程中实际采集到的过程数据训练一个预测模型，旨在通过测量水泥生产过程中诸如喂料量，设备温度等易测量的辅助变量，实现对游离氧化钙含量这一难测量变量的准确预测。并且根据辅助变量和预测变量，判断设备是否发生故障，生产过程是否平稳高效。一旦生产过程存在故障先兆，及时提醒操作人员重新设置控制参数，避免因故障停窑或者长时间非平稳运行。以此减少因原料的不完全燃烧而产生的额外废气排放。
[0003]近年来，图神经网络(GNN)作为深度学习的一个分支受到了广泛的关注，在多个领域都表现出了卓越的学习能力。GNN能够通过预定义的结构在图中传播信息，这有助于明确了解不同点之间的关系。GCN具有强本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的水泥生产尾气监测方法，其特征在于，所述基于深度学习的水泥生产尾气监测方法包括：步骤一，获取水泥生产的过程检测数据集；步骤二，对所述数据集进行预处理；步骤三，利用基于时间注意力图卷积网络TA
‑
GCN模型输出预测的F
‑
Cao含量数据；步骤四，基于所述F
‑
Cao含量数据判断设备运行状况。2.如权利要求1所述基于深度学习的水泥生产尾气监测方法，其特征在于，所述基于时间注意力图卷积网络TA
‑
GCN模型包括基于最大信息系数MIC的特征选择、多个时间注意图卷积层TA
‑
GCL以及FC全连接层；所述模型的过程为：先对输入的数据进行筛选，然后采取图结构聚集数据，并堆叠多个TA
‑
GCL，建立一个层次模型，捕捉复杂的空间－时间相关性，最后通过FC全连接层输出数据；所述最大信息系数MIC为互信息MI最大值归一化的结果，所述MI由两个连续随机变量J和U的联合概率分布p(J，U)获得，所述MI的表达为：所述MIC的表达为：其中，B＝T
0.55
，T表示数据的时间步长。3.如权利要求2所述基于深度学习的水泥生产尾气监测方法，其特征在于，所述TA
‑
GCL包括图卷积GCL和基于h
‑
Head的多头注意力机制MHA；首先，根据拓扑图在空间维度上聚集数据，并利用基于h
‑
Head的多头注意力机制MHA在时间维度上建立长期依赖关系；其次，引入了残差连接，统一设置每个TA
‑
GCL的输入和输出维度，每个TA
‑
GCL的头数保持不变，其中，输入变量维度为10，输出维度为1，头数是8。4.如权利要求3所述基于深度学习的水泥生产尾气监测方法，其特征在于，所述TA
‑
GCL使用邻接矩阵来表示拓扑图A
top
，并通过图卷积GCL来聚合所述拓扑图中领域的信息；所述拓扑图A
top
被用作图卷积的图结构，所述A
top
中元素值为0和1；当所述邻接矩阵的元素被二值化，所述邻接矩阵用于确定图中特定节点之间的连接，所述节点为输入的辅助变量，一个变量为一个节点；当所述邻接矩阵的元素没有被二值化，所述邻接矩阵反映节点之间的关系强度，所述节点为图中所有元素...

【专利技术属性】
技术研发人员：刘毅，余清，周水清，贾明伟，刘桥，高增梁，
申请(专利权)人：嵊州市浙江工业大学创新研究院，
类型：发明
国别省市：