[发明专利]一种中小型转炉的终点碳含量和终点温度预测方法

权利要求书

1.一种中小型转炉的终点碳含量和终点温度预测方法，其特征在于，包括如下步骤：

步骤S1，获取中小型转炉的历史生产数据，并对历史生产数据进行维度筛选，首先筛除异常数据后，再选用灰色关联度算法进行数据分析和选取，得到用于模型训练的数据集；所述数据集包括11个数据项，分别为：铁水C含量、铁水硅含量、铁水Mn含量、铁水P含量、铁水重量、铁水温度、废钢用量、供氧用量、生石灰、轻烧白云石、炼铁废块；

所述灰色关联度算法包括：

步骤S11，选定参考数列和比较数列；其中，选定终点碳含量与终点温度为参考数列；选定除终点碳含量与终点温度以外的数据项数列为比较数列；

步骤S12，对所述参考数列和比较数列进行无量纲化处理；

步骤S13，计算处理后的参考数列和比较数列间的灰色关联系数与灰色关联度；

步骤S2，基于共享最近邻传播SNN-AP算法构建聚类模型，将所述用于模型训练的数据集输入所述聚类模型，得到基于模型训练数据集的聚类中心点集及对应的聚类数据集；

所述共享最近邻传播SNN-AP算法，设置数据量为n的m维数据集D_n×m，以数据集内两数据i、k间相似度s(i,k)为基础，计算描述点k适合作为数据点i的聚类中心程度的吸引度r(i,k)，由此组成的吸引度矩阵R如式(1)所示：

R＝[r(i,k)]_n×n (1)计算描述点i选择点k适合作为其聚类中心程度的归属度a(i,k)，由此组成的归属度矩阵A如式(2)所示：

A＝[a(i,k)]_n×n (2)

式(1)和(2)中，r(i,k)表示点k作为中心点对点i的吸引度，a(i,k)表示点k作为中心点时，点i归属于点k的归属度；

所述共享最近邻传播SNN-AP算法的运行过程包括：

步骤S21，对R、A两个矩阵及中心未变次数进行初始化，计算数据集的相似度矩阵S＝[s(i,k)]_n×n；

步骤S22，以相似度矩阵S＝[s(i,k)]_n×n为基础，对吸引度矩阵R＝[r(i,k)]_n×n、归属度矩阵A＝[a(i,k)]_n×n两个信息量矩阵进行交替更新，以数据点之间共享最近邻SNN为指标的相似性度量方式，对AP算法进行改进，运用灰色关联度算法对SNN中寻找K近邻时的距离度量公式进行修正；

步骤S23，以r(i,i)+a(i,i)0作为预设规则，当点i对自身的吸引度和自身的归属度之和大于0时，选择该点作为聚类中心点；

步骤S24，当多次迭代得到的聚类中心点集均未变化时，或迭代次数达到预设最大值时，结束迭代，并得到最终的聚类中心点集；

步骤S25，以max(a(i,j)+r(i,j))作为规则，将聚类中心点外的其余点分配至合适的聚类中心点下，从而得到最终的隶属关系与聚类结果；

步骤S3，采用梯度提升树算法，为每类数据集建立终点碳含量预测模型和终点温度预测模型；其中，终点碳含量预测模型和终点温度预测模型的输入数据项包括：铁水碳、硅、锰、磷成分含量、铁水重量、铁水温度、废钢用量、供氧总量、生石灰、轻烧白云石、炼铁废块，输出项分别为终点碳成分含量和终点温度；

步骤S4，将每个类别的数据集输入对应的所述终点碳含量预测模型及终点温度预测模型进行训练，得到成熟的终点碳含量预测模型及终点温度预测模型；

步骤S5，采集所述中小型转炉与所述比较数列对应的数据项，输入对应类别的成熟的终点碳含量预测模型及终点温度预测模型，得到预测的当前碳含量及温度。

2.根据权利要求1所述的中小型转炉的终点碳含量和终点温度预测方法，其特征在于，采用邓氏关联度计算灰色关联系数与灰色关联度。

3.根据权利要求2所述的中小型转炉的终点碳含量和终点温度预测方法，其特征在于，修正后的距离度量公式如式(4)所示：

式(4)中，l代表数据的维度，i_l代表点i第l维的数据，k_l代表点k第l维的数据，ω_l代表第l维数据的修正系数值。

4.根据权利要求1所述的中小型转炉的终点碳含量和终点温度预测方法，其特征在于，所述梯度提升树算法，包括：

梯度提升树算法表示为：

式(6)中，K为树的总棵数；f_k为第k棵树；为样本x_i的计算结果；

梯度提升树算法下终点碳含量预测模型和终点温度预测模型的迭代公式为：

式(7)中，t为组合t棵树；为t棵树模型对样本的预测结果；为组合t-1棵树模型对样本的预测结果；f_t(x_i)为第t棵树模型对本次迭代损失的估计值；

每轮迭代的时候，都用损失函数在当前模型下的负梯度来拟合本轮损失的估计值，这样每轮训练的时候都能够让损失函数尽可能快地减小，尽快的收敛达到局部最优解或者全局最优解；对于第t轮的第i个样本的损失函数的负梯度r_ti表示为：

式(8)中，表示第t轮的第i个样本的损失函数；

再计算第t棵树模型对本轮损失的估计值：

式(9)中，L_tj表示第t棵树的第j个叶子节点；c_tj表示第t棵树的第j个叶子节点上使损失函数最小的拟合值。