-
公开(公告)号：CN105574297A
公开(公告)日：2016-05-11
申请号：CN201610088041.X
申请日：2016-02-16
Applicant: 中国石油大学(华东)
IPC: G06F17/50
CPC classification number: G06F17/5036
Abstract: 本发明涉及一种自适应高炉铁水硅含量趋势预报方法，基于在线最小二乘支持向量机，建立基于在线LS-SVMs模型的自适应预报器，通过不断采集新样本对趋势预报模型进行自适应性更新，追踪高炉冶炼过程的动态变化，实时性和可靠性好。本发明提供的自适应高炉铁水硅含量趋势预报方法，能够灵活高效处理高炉铁水硅含量的趋势预报问题，数据可以以数据块的形式收集，与传统批处理方式以及当前的在线预报方法相比，有效降低了计算复杂难度和模型运行时间。
-
Patent Agency Ranking
公开(公告)号：CN107092743A
公开(公告)日：2017-08-25
申请号：CN201710246244.1
申请日：2017-04-15
Applicant: 中国石油大学(华东)
IPC: G06F17/50
Abstract: 本发明涉及一种基于规则辅助的高炉冶炼过程数据驱动建模方法，通过收集、整理专家知识得到IF…THEN…规则，根据IF…THEN…规则将采集的原始数据转化为规则数据，利用多核学习算法整合多个专家知识得到基于规则的规则预测模型，并建立数据驱动预测模型，通过Sigmoid函数将规则预测模型和数据驱动预测模型的输出决策值转换为后验概率，并对数据驱动预测模型和规则预测模型进行集成，获得规则辅助的数据驱动模型。由于将专家知识、模糊规则等异质信息与数据驱动模型进行集成，与现有技术相比，本发明建模方法可以显著提高数据驱动模型的预测精度和可解释性，从而提高高炉冶炼过程采集数据的利用率。
-
公开(公告)号：CN107092743B
公开(公告)日：2020-03-06
申请号：CN201710246244.1
申请日：2017-04-15
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06F111/10
Abstract: 本发明涉及一种基于规则辅助的高炉冶炼过程数据驱动建模方法，通过收集、整理专家知识得到IF…THEN…规则，根据IF…THEN…规则将采集的原始数据转化为规则数据，利用多核学习算法整合多个专家知识得到基于规则的规则预测模型，并建立数据驱动预测模型，通过Sigmoid函数将规则预测模型和数据驱动预测模型的输出决策值转换为后验概率，并对数据驱动预测模型和规则预测模型进行集成，获得规则辅助的数据驱动模型。由于将专家知识、模糊规则等异质信息与数据驱动模型进行集成，与现有技术相比，本发明建模方法可以显著提高数据驱动模型的预测精度和可解释性，从而提高高炉冶炼过程采集数据的利用率。
-
公开(公告)号：CN108875961A
公开(公告)日：2018-11-23
申请号：CN201810593832.7
申请日：2018-06-11
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种基于预界机制的在线加权极限学习机方法，首先确定预界取值，在训练集上选择有效向量构造初始有效向量集合，利用加权机制建立加权极限学习机模型，并采用矩阵校正技术和Sherman‑Morrison‑Woodbury公式更新加权极限学习机模型得到在线预测器，从而实现对应用场景中出现的类别不平衡数据流的在线预测。该方法采用固定的预界机制，能够有效防止信息溢出，进而精确控制在线学习模型的规模。本发明在线学习方法，能够灵活有效处理类别不平衡和概念漂移同时发生的应用问题。此外，数据可通过数据块的形式进行采集，进一步降低了方法的计算复杂度，拓宽了模型的应用范围，可有效服务于具概念漂移特性的类别不平衡数据在线预测任务的实施。
-
公开(公告)号：CN105574297B
公开(公告)日：2017-06-30
申请号：CN201610088041.X
申请日：2016-02-16
Applicant: 中国石油大学(华东)
IPC: G06F17/50
Abstract: 本发明涉及一种自适应高炉铁水硅含量趋势预报方法，基于在线最小二乘支持向量机，建立基于在线LS‑SVMs模型的自适应预报器，通过不断采集新样本对趋势预报模型进行自适应性更新，追踪高炉冶炼过程的动态变化，实时性和可靠性好。本发明提供的自适应高炉铁水硅含量趋势预报方法，能够灵活高效处理高炉铁水硅含量的趋势预报问题，数据可以以数据块的形式收集，与传统批处理方式以及当前的在线预报方法相比，有效降低了计算复杂难度和模型运行时间。
-
公开(公告)号：CN105975977A
公开(公告)日：2016-09-28
申请号：CN201610236242.X
申请日：2016-05-05
Applicant: 中国石油大学(华东)
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6269
Abstract: 本发明涉及一种规则辅助的数据驱动建模方法，通过收集、整理专家知识得到IF…THEN…规则，根据IF…THEN…规则将采集的原始数据转化为规则数据，利用多核学习算法整合多个专家知识得到基于规则的规则预测模型，并建立数据驱动预测模型，通过Sigmoid函数将规则预测模型和数据驱动预测模型的输出决策值转换为后验概率，并对数据驱动预测模型和规则预测模型进行集成，获得规则辅助的数据驱动模型。由于将专家知识、模糊规则等异质信息与数据驱动模型进行集成，与现有技术相比，本发明建模方法可以显著提高数据驱动模型的预测精度和可解释性，建立的模型可以是神经网络、SVMs等一般非线性模型。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
