[发明专利]基于机器学习的配煤炼焦热态预测方法和系统

说明书

本发明公开了一种基于机器学习的配煤炼焦热态预测方法和系统，方法包括：根据配煤单上单种煤的原始指标，构建单种煤的衍生指标；通过机器学习训练完成的模糊聚类模型，由单种煤的原始指标和衍生指标得到单种煤的类中心值；对单种煤的类中心值进行隶属度矩阵计算，得到单种煤的衍生特征；对单种煤的衍生特征进行线性加和，得到配合煤的衍生特征；对配合煤的衍生特征进行归一化处理，并通过机器学习训练完成的支持向量回归模型，得到配煤单形成混合煤的CSR值。通过本发明的技术方案，与配煤炼焦机理进行有机结合，提高焦炭质量预测的准确度和精确度，同时提高焦炭的生产质量，降低成本，克服了推广性困难的问题。

技术领域

本发明涉及煤化工及数据挖掘技术领域，尤其涉及一种基于机器学习的配煤炼焦热态预测方法和一种基于机器学习的配煤炼焦热态预测系统。

背景技术

尽管配煤炼焦技术在国内已经发展多年，但我国的焦化企业仍然采用传统的人工经验，并通过焦炉实验来确定配比，这样不仅不能有效的节约优质煤种，而且给企业带来较高的时间和人力成本，对生产效益造成极大影响，降低企业的竞争力。

虽然目前业内已有对于焦炭质量预测的技术，但是由于所需的指标较多，对于大部分焦化企业来说，并不一定能提供充足的指标进行计算，因此在推广性上受到了很大的制约。另一方面，目前的焦炭质量预测技术多基于直接对煤种数据做回归、拟合等方法，这种做法并不能更深入的反映配合煤中各种单煤混合之间发生的化学物理反应，因此也就对整个配煤炼焦的机理在数学模型上的反映有所影响，最后导致预测结果误差的升高，降低了模型的性能表现。

发明内容

针对上述问题，本发明提供了一种基于机器学习的配煤炼焦热态预测方法和系统，通过配合煤工业指标进行数据挖掘与机器学习模型的构建来预测焦炭CSR，把配煤单输入，并对配煤单的单种煤进行指标特征的挖掘与构建，再结合支持向量回归模型，不仅可以与配煤炼焦机理进行有机结合，提高焦炭质量预测的准确度和精确度，而且也可以节约优质煤的使用，同时提高焦炭的生产质量，降低成本，而且所要求的输入数据，对于绝大部分焦化企业来说都是易于获取的，从而克服了推广性困难的问题。

为实现上述目的，本发明提供了一种基于机器学习的配煤炼焦热态预测方法，包括：根据配煤单上单种煤的原始指标，构建所述单种煤的衍生指标；通过机器学习训练完成的模糊聚类模型，由所述单种煤的原始指标和衍生指标得到所述单种煤的类中心值；对所述单种煤的类中心值进行隶属度矩阵计算，得到所述单种煤的衍生特征；对所述单种煤的衍生特征进行线性加和，得到所述配煤单上单种煤相配合的配合煤的衍生特征；对所述配合煤的衍生特征进行归一化处理，并通过机器学习训练完成的支持向量回归模型，得到所述配煤单形成混合煤的CSR值。

在上述技术方案中，优选地，所述模糊聚类模型的机器学习训练过程包括：定义所述模糊聚类模型的代价函数；在满足预设约束条件的前提下最小化所述代价函数；在满足预设停止条件时得到预设数量的类中心值。

在上述技术方案中，优选地，所述支持向量回归模型的机器学习训练过程包括：以配合煤的衍生特征作为输入量、以配合煤所炼焦炭的CSR值作为输出量，构建所述支持向量回归模型的训练数据集；对所述训练数据集进行 shuffle处理，并划分为训练集和测试集；对所述训练集进行min-max归一化处理，并对所述支持向量回归模型进行训练；对所述支持向量回归模型进行交叉验证，对所述支持向量回归模型进行网格搜索寻找最优超参数；根据所述最优超参数利用所述训练集对所述支持向量回归模型进行重新训练；利用所述测试集对所述支持向量回归模型的预测性能进行测试。