[发明专利]一种基于极限学习机的连铸坯质量预测方法在审
| 申请号： | 201810109564.7 | 申请日： | 2018-02-05 |
| 公开（公告）号： | CN108256260A | 公开（公告）日： | 2018-07-06 |
| 发明（设计）人： | 刘青;陈恒志;杨建平;管敏 | 申请（专利权）人： | 北京科技大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06K9/62 |
| 代理公司： | 北京市广友专利事务所有限责任公司 11237 | 代理人： | 张仲波 |
| 地址： | 100083*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 连铸坯 极限学习机 样本数据 质量预测 质量预测模型 预处理 训练数据集 等级分类 钢铁冶金 输出节点 输入节点 影响因素 专家系统 和运算 统计学 预测 判定 采集 生产 | ||
1.一种基于极限学习机的连铸坯质量预测方法，其特征在于：具体步骤如下：
(1)极限学习机输入变量的选取：根据连铸坯质量的影响因素和连铸坯缺陷，运用Pearson相关系数进行相关性分析，找到影响连铸坯质量的影响因素；
(2)对连铸坯质量的影响因素数据进行采集，并对这些数据进行预处理，确定极限学习机计输入节点个数、输出节点个数，确定使用的样本数据，建立模型；
(3)对极限学习机输入数据进行归一化处理，并选取采集的样本数据中的三分之二输入极限学习机中完成对极限学习机的训练；
(4)对极限学习机输入剩余三分之一的样本数据，验证模型的准确性，完成对连铸坯质量的缺陷等级分类。
2.根据权利要求1所述的基于极限学习机的连铸坯质量预测方法，其特征在于：所述步骤(2)中数据预处理方法是通过剔除和数据平滑技术对异常数据进行预处理。
3.根据权利要求1所述的基于极限学习机的连铸坯质量预测方法，其特征在于：所述步骤(3)中数据的归一化处理选择范围为[0.1，0.9]。
4.根据权利要求1所述的基于极限学习机的连铸坯质量预测方法，其特征在于：所述步骤(2)中整个模型的建立包括：模型训练、模型验证、模型的参数选择。
5.根据权利要求1所述的基于极限学习机的连铸坯质量预测方法，其特征在于：所述步骤(3)中历史数据的选取为随机选取样本数据的三分之二。
6.根据权利要求1所述的基于极限学习机的连铸坯质量预测方法，其特征在于：该方法利用工业控制计算机和过程数据库来实现对连铸坯质量的实时预报。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京科技大学，未经北京科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810109564.7/1.html，转载请声明来源钻瓜专利网。
