公开(公告)号：CN112906976A

公开(公告)日：2021-06-04

申请号：CN202110292018.3

申请日：2021-03-18

Applicant: 燕山大学

Inventor： 郝晓辰 ,  刘林 ,  黄高路 ,  张宇轩 ,  党辉 ,  张逸夫 ,  赵彦涛

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于R‑WGAN的水泥熟料游离钙样本数据增强及预测方法，其包括以下步骤：S1、对水泥生产工艺进行分析，选取与水泥熟料fCaO含量相关的12个变量为辅助的输入变量，水泥熟料fCaO含量为需要预测的输出变量；S2、将归一化后的数据输入回归预测网络进行预训练，并将网络结构和参数进行保存；S3、将步骤S1中选择的12个变量与水泥熟料fCaO含量数据拼接为WGAN的真实数据集，作为WGAN中判别器的输入；S4、搭建WGAN网络；S5、搭建R‑WGAN模型；S6、应用R‑WGAN中训练好的回归预测网络，实现水泥熟料游离氧化钙的预测。本发明采用WGAN与回归预测网络结合的方式，将WGAN应用于水泥工业中时序序列数据的生成，解决了由于水泥熟料fCaO含量离线检测导致的时滞和水泥熟料fCaO样本量小的问题。

公开(公告)号：CN115271189A

公开(公告)日：2022-11-01

申请号：CN202210847682.4

申请日：2022-07-19

Applicant: 燕山大学

Inventor： 郝晓辰 ,  张逸夫 ,  刘林 ,  黄高路 ,  党辉 ,  刘金波

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种数据驱动的水泥熟料游离氧化钙的预测方法，包括如下步骤：步骤S1、从水泥煅烧系统的数据库中选取与水泥熟料f‑CaO含量相关的多个输入变量为辅助变量，将输出变量的水泥熟料f‑CaO含量值作为预测变量；步骤S2、将预测变量按照辅助变量的有效时段分别进行时间序列扩充，将数据进行归一化；步骤S3、搭建DDM‑GAN模型，在DDM‑GAN模型中生成可靠的水泥样本数据；步骤S4、搭建CNN预测模型，将DDM‑GAN生成的水泥数据样本与真实的水泥数据样本混合输入CNN预测模型中进行训练；步骤S5、构建C‑DDM‑GAN模型，实现对水泥生产数据的数据增强和对水泥熟料游离氧化钙的预测。

公开(公告)号：CN115331756A

公开(公告)日：2022-11-11

申请号：CN202210896403.3

申请日：2022-07-28

Applicant: 燕山大学

Inventor： 郝晓辰 ,  党辉 ,  张逸夫

IPC: G16C60/00 ,  G16C20/20 ,  G16C20/70 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于生成对抗网络的水泥熟料游离氧化钙数据的预测方法，属于水泥烧成系统熟料游离氧化钙的预测领域，包括获取与水泥熟料fCaO含量相关的时间序列数据，将所选的辅助变量组成的时间序列进行归一化处理；将归一化后的数据输入回归预测网络进行预训练；将所选的N个辅助变量的无标签样本数据组成的时间序列矩阵作为WGAN网络中的生成器的输入；搭建WGAN网络；将输入生成器的无标签辅助变量与生成器输出的伪标签数据进行数据拼接，并与有标签辅助变量与真实标签数据拼接成的样本对一起输入判别器，训练WGAN；搭建SSP‑WGAN模型，结合WGAN与回归预测网络；通过训练好的回归预测网络，实现水泥熟料游离氧化钙的准确预测。