基于深度聚类算法的炼铁高炉对标体系构建方法和系统

    公开(公告)号:CN115146978A

    公开(公告)日:2022-10-04

    申请号:CN202210816437.7

    申请日:2022-07-12

    Abstract: 本发明提供了一种基于深度聚类算法的炼铁高炉对标体系构建方法和系统,包括:步骤1:基于生产管理系统数据,通过统计模型建立各高炉个体画像,然后进行异常数据去除与归一化处理,抽象化为高维空间中的数据点;步骤2:基于深度聚类算法,对高维空间中的数据点进行聚类,得到聚类结果;步骤3:将聚类结果进行可视化展示;步骤4:对聚类结果进行监测,在性能指标低于预设阈值时进行自训练,提升相应性能。本发明通过有监督学习和无监督学习结合的方式,解决了高炉对标过程中由于指标数量庞大且属性分布分散带来的指标权重难以分配的问题,提供了一种高炉对标、评判的量化标准。

    基于时间卷积网络的废钢数据预测方法及系统

    公开(公告)号:CN118863930A

    公开(公告)日:2024-10-29

    申请号:CN202410008908.0

    申请日:2024-01-03

    Abstract: 本发明提供了一种基于时间卷积网络的废钢数据预测方法及系统,包括:步骤S1:采集数据,进行数据准备;步骤S2:针对采集的数据进行特征选择与数据预处理;步骤S3:建立价格预测模型,训练模型;步骤S4:进行模型评估与系统实现。本发明针对废钢价格预测问题,引入了深度学习领域的时间卷积网络构建模型。由于能捕捉更长历史时期的信息,且其训练算法避免了一部分梯度爆炸的可能性,其结果较传统模型呈现出一定的性能优势。

Patent Agency Ranking