东北大学孙杰获国家专利权
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!
龙图腾网获悉东北大学申请的专利一种基于数据驱动的热流密度自适应系数计算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:CN119474607B 。
龙图腾网通过国家知识产权局官网在2025-06-13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:202510018408.X,技术领域涉及:G06F17/10;该发明授权一种基于数据驱动的热流密度自适应系数计算方法是由孙杰;田宝钱;贾攀;陈梦蓉;郑思敏;龚殿尧;袁国;彭文;张殿华设计研发完成,并于2025-01-07向国家知识产权局提交的专利申请。
本一种基于数据驱动的热流密度自适应系数计算方法在说明书摘要公布了:本发明的一种基于数据驱动的热流密度自适应系数计算方法,包括:采集冷却工艺参数、带钢信息参数和冷却水温度,作为输入特征参数,将热流密度自适应系数作为输出特征参数,由输入特征参数和输出特征参数构成原始数据集;对原始数据集进行数据清洗,划分为训练集、测试集和验证集;构建热流密度自适应系数stacking模型,采用混沌哈里斯鹰优化算法获得最优的基学习器数量及类型;采用混沌哈里斯鹰优化算法对最优基学习器的超参数进行寻优;将训练集输入到stacking模型中进行训练;采用测试集验证stacking模型的泛化性能;采集当前带钢信息参数,采用经过测试的stacking模型预测当前带钢的热流密度自适应系数。
本发明授权一种基于数据驱动的热流密度自适应系数计算方法在权利要求书中公布了:1.一种基于数据驱动的热流密度自适应系数计算方法,其特征在于,包括: 步骤1:采集冷却工艺参数、带钢信息参数和冷却水温度,作为输入特征参数,将热流密度自适应系数作为输出特征参数,由输入特征参数和输出特征参数构成原始数据集; 步骤2:对原始数据集进行数据清洗,并将清洗后的数据集按照7:2:1的比例划分为训练集、测试集和验证集; 步骤3:构建热流密度自适应系数stacking模型,采用混沌哈里斯鹰优化算法获得最优的基学习器数量及其类型,具体为: 步骤3.1:构建基学习器候选池:将极端随机树回归器、随机森林、极限梯度提升、类别型梯度提升、梯度提升决策树、直方图梯度提升回归器、装袋法、自适应提升算法、轻量级梯度提升机和决策树回归器作为候选基学习器; 步骤3.2:以线性回归作为元学习器; 步骤3.3:以基学习器数量及其类型为待优化参数; 步骤3.4:以下式作为待优化的第一目标函数: 式中,num为基学习器数量;type为各基学习器的类型;m为验证集中样本的数量;和yi分别为第i个样本的模型预测值和实际值; 步骤3.5:以验证集作为输入,以获得第一目标函数的最小值为目标,采用混沌哈里斯鹰优化算法对步骤3.3中的待优化参数进行寻优,获得最优的参数组合即为热流密度自适应系数stacking模型的最优结构; 步骤4:采用混沌哈里斯鹰优化算法对获得的最优基学习器的超参数进行寻优,获得最优的超参数组合; 步骤5:将训练集输入到热流密度自适应系数stacking模型中进行训练,获得训练好的热流密度自适应系数stacking模型; 步骤6:采用测试集验证热流密度自适应系数stacking模型的泛化性能; 步骤7:采集当前带钢信息参数,采用经过测试的热流密度自适应系数stacking模型预测当前带钢的热流密度自适应系数。
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三号巷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”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。