【技术实现步骤摘要】
本专利技术涉及精煤产率预测，特别是一种精煤产率预测学习树方法。
技术介绍
1、精煤洗选是煤矿生产中的关键环节，其核心目标是通过高效分选工艺最大限度地提高精煤产率，同时降低原煤灰分和杂质含量。近年来，随着数据挖掘与机器学习技术的发展，基于数据驱动的洗选结果预测模型逐渐成为研究热点。
2、现有精煤预测方法主要采用时序算法预测产率与灰分，基于长短期记忆神经网络(lstm)、空洞因果卷积、lightgbm等进行建模。然而，这些方法难以全面提取因果特征，例如原煤成分、入洗量以及洗选工况。此外，时序建模需要对各流程生成的数据时间进行严格对齐，现场实施难度较大。另一部分方法依赖专家构建多元特征，并结合bp神经网络进行预测。然而，无论是时序回归模型还是bp回归模型，都存在预测结果缺乏解释能力的问题，难以满足不同洗选工艺的需求。
技术实现思路
1、鉴于上述问题，本专利技术提出了一种精煤产率预测学习树方法。
2、本专利技术实施例提供了一种精煤产率预测学习树方法，所述精煤产率预测学习树方
【技术保护点】
1.一种精煤产率预测学习树方法，其特征在于，所述精煤产率预测学习树方法包括：
2.根据权利要求1所述的精煤产率预测学习树方法，其特征在于，利用所述历史洗选样本数据制作得到数据集，包括：
3.根据权利要求2所述的精煤产率预测学习树方法，其特征在于，基于所述数据集，按序依次训练得到煤质聚类器、水分聚类器、灰分聚类器、入洗量聚类器、洗选工作参数聚类器，包括：
4.根据权利要求3所述的精煤产率预测学习树方法，其特征在于，基于所述数据集，先训练得到煤质聚类器，包括：
5.根据权利要求4所述的精煤产率预测学习树方法，其特征在于，所述...
【技术特征摘要】
1.一种精煤产率预测学习树方法，其特征在于，所述精煤产率预测学习树方法包括：
2.根据权利要求1所述的精煤产率预测学习树方法，其特征在于，利用所述历史洗选样本数据制作得到数据集，包括：
3.根据权利要求2所述的精煤产率预测学习树方法，其特征在于，基于所述数据集，按序依次训练得到煤质聚类器、水分聚类器、灰分聚类器、入洗量聚类器、洗选工作参数聚类器，包括：
4.根据权利要求3所述的精煤产率预测学习树方法，其特征在于，基于所述数据集，先训练得到煤质聚类器，包括：
5.根据权利要求4所述的精煤产率预测学习树方法，其特征在于，所述综合相似性度量公式为：
6.根据权利要求4所述的精煤产率预测学习树方法，其特征在于，使用高斯混合模型对所述数据集的密度、粒度和易碎性特征进行聚类之前，还包括：
7.根据权利要求3所述的精煤产率预测学习树方法，其特征在于，以所述煤质聚类器的输出结果，结合所述数据集作为所述水分聚类器的输入，训练得到所述水分聚类器，包括：
8.根据权利要求7所述的精煤产率预测学习树...
【专利技术属性】
技术研发人员：黄万华，张兵，刘海瑞，张震，袁炜，郭坦，杨林顺，吴瑞瑞，姜文磊，张伟，
申请(专利权)人：山西焦煤能源集团股份有限公司西山分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。