[发明专利]一种球团原料最佳配比的自动推荐方法

权利要求书

1.一种球团原料最佳配比的自动推荐方法，其特征在于，所述推荐方法包括：

获取配比变量x^t＝[x₁,x₂,x₃,x₄,x₅,x₆]^T，x₁表示SiO₂的质量占比，x₂表示CaO的质量占比，x₃表示MgO的质量占比，x₄表示Al₂O₃的质量占比，x₅表示焙烧时间，x₆表示焙烧温度；其中t的取值为0,1,2，......，t_max；

将所述配比变量x^t进行广义回归神经网络预处理，获得广义神经网络输入变量；

将所述广义神经网络输入变量输入到基于广义神经网络的球团矿抗压强度预报值f中，获得球团矿抗压强度预报值；

根据球团矿抗压强度预报模型f采用天牛搜索算法确定所述球团矿抗压强度预报值f的最大值f_bst；

根据所述球团矿抗压强度预报值f采用天牛须搜索算法确定球团矿抗压强度最大值f_bst所对应的自变量的值x_bst。

2.根据权利要求1所述的一种球团原料最佳配比的自动推荐方法，其特征在于，所述将所述配比变量x^t进行广义回归神经网络预处理，获得广义神经网络输入变量具体包括：

所述广义回归神经网络包括输入层、模式层、求和层、输出层；

获取所述配比变量x^t中的i组j维数据，并按照传递函数传递至所述模式层；

所述模式层的第i个神经元遵从传递函数

其中，x^t表示所述广义回归神经网络预处理的输入变量，而x_i^t表示第i个神经元对应的学习样本数据，σ为平滑因子参数；

所述求和层 包括两类神经元，第一类对所述模式层的所有神经元的输出进行求和，所述模式层中的每个神经元对应的权重均为1，求和层的传递函数为：

第二类对所述模式层的第i个神经元与所述求和层中的第j个神经元之间的连接权重为第i个输出样本y_i中的第j个元素y_ij，所述求和层 中的第j个神经元的传递函数

所述输出层的神经元数目与学习样本中输出向量的维数l相等，输出层的指标y_j＝S_j/S_D,J＝1,2,3,...,l。

3.根据权利要求1所述的一种球团原料最佳配比的自动推荐方法，其特征在于，在所述获取配比变量x^t＝[x₁,x₂,x₃,x₄,x₅,x₆]^T之前还包括：

提取球团自动配料数据库中的行为数据，将特征向量通过特征-物品相关矩阵转化为推荐物品列表；

根据所述行为数据获得当前用户的特征向量；

根据所述特征向量和所述推荐物品列表获得初始推荐列表。