买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜东北大学申请的专利一种烧结动态知识图谱构建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119494395B 。

龙图腾网通过国家知识产权局官网在2025-05-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510083692.9，技术领域涉及：G06N5/022；该发明授权一种烧结动态知识图谱构建方法是由唐珏;储满生;王茗玉;石泉;张振;张智峰;李泽政;封世龙;王川强设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本一种烧结动态知识图谱构建方法在说明书摘要公布了：本发明提供一种烧结动态知识图谱构建方法，涉及知识图谱技术领域，包括：采集实时烧结过程中的全链条数据，并进行参数分类，得到烧结目标参数及烧结过程参数；基于预设数据分析方法进行趋势性关系分析，从而建立烧结趋势影响知识图谱；基于目标配矿周期对烧结过程参数进行参数分类，并匹配对应机器学习算法，构建烧结目标参数预测模型；获取与实时配矿结构吻合度最高的第一历史数据点对应的烧结趋势影响知识图谱，同时基于烧结目标参数预测模型获取与当前生产状态吻合度最高的第二历史数据点，得到烧结量化影响知识图谱，确定实时配矿结构对应的烧结趋势及量化影响知识图谱结果。能够实现机理数据的融合，提高系统处理效率及精准度。

本发明授权一种烧结动态知识图谱构建方法在权利要求书中公布了：1.一种烧结动态知识图谱构建方法，其特征在于，包括：步骤1：采集实时烧结过程中的全链条数据，并进行参数分类，得到烧结目标参数及烧结过程参数；步骤2：基于预设数据分析方法对烧结目标参数及烧结过程参数之间的趋势性关系进行分析，从而建立烧结趋势影响知识图谱；步骤3：基于目标配矿周期对烧结过程参数进行参数分类，并基于每一分类结果匹配对应的机器学习算法，从而构建烧结过程的烧结目标参数预测模型；步骤4：获取与实时配矿结构吻合度最高的第一历史数据点对应的烧结趋势影响知识图谱，同时基于烧结目标参数预测模型获取与当前生产状态吻合度最高的第二历史数据点，得到烧结量化影响知识图谱，确定实时配矿结构对应的烧结趋势及量化影响知识图谱结果；其中，基于每一分类结果匹配对应的机器学习算法，从而构建烧结过程的烧结目标参数预测模型，包括：提取每一分类结果对应的机器学习算法中与目标烧结过程匹配度最高的机器学习算法作为最优算法；从烧结数据库中提取目标烧结过程的历史烧结过程参数及历史烧结目标参数，并结合最优算法得到初始烧结目标参数预测模型，从而进行模型验证，得到目标烧结过程的烧结目标参数预测模型；其中，步骤3，包括：步骤31：获取目标烧结过程的配矿周期，并基于所述配矿周期对烧结过程参数及烧结目标参数进行参数分类，得到第一周期参数集合；步骤32：基于第一周期参数集合中每一第一周期参数子集合中参数特性从算法数据库中提取对应的机器学习算法，得到每一第一周期参数子集合对应的第一机器学习算法，从而得到目标烧结过程的第一机器学习算法集合；步骤33：将第一机器学习算法集合中每一第一机器学习算法进行比较分析，从而确定与目标烧结过程匹配度最高的第一机器学习算法作为最优算法，从而得到目标烧结过程的烧结目标参数预测模型；其中，第一机器学习算法集合是指根据第一周期参数集合中每一子集合的参数特性从算法数据库中提取的机器学习算法构成的算法集合；其中，最优算法是指在第一机器学习算法集合中，与目标烧结过程匹配度最高的机器学习算法；其中，步骤33，包括：步骤331：基于烧结生产经验对不同配矿结构进行区分，并获取每一配矿周期对应的第一周期参数，从而获取不同配矿周期内不同机器学习算法确定的烧结目标参数与烧结过程参数之间的趋势性影响，得到趋势性影响集合；步骤332：基于趋势影响集合判断每一烧结过程参数对应的趋势性影响结果；若目标烧结过程参数及对应的烧结目标参数的趋势性影响与机理知识图谱一致，则机理数据匹配指数加1；若目标烧结过程参数及对应的烧结目标参数的趋势性影响与机理知识图谱不一致，则机理数据匹配指数减1，同时，删除机理数据匹配指数较小的方法；步骤333：基于目标烧结过程的历史烧结过程参数及历史烧结目标参数确定对应的历史机理知识图谱；步骤334：基于历史机理知识图谱的均值确定目标烧结过程的机理知识图谱，从而获取对烧结目标参数影响最大的预设组烧结过程参数，并基于每一烧结过程参数对应第一机器学习算法的相对排序结果确定目标烧结过程的最优算法；其中，趋势性影响指的是烧结过程参数与烧结目标参数之间随时间或配矿周期变化的趋势关系。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。