申请/专利权人：苏州大学

申请日：2021-01-19

公开（公告）日：2021-04-27

公开（公告）号：CN112711867A

主分类号：G06F30/20(20200101)

分类号：G06F30/20(20200101);G06N3/08(20060101);G06N3/04(20060101);G06F119/14(20200101)

优先权：

专利状态码：有效-授权

法律状态：2023.04.18#授权;2021.05.14#实质审查的生效;2021.04.27#公开

摘要：本发明实施例公开了一种融合理论模型和大数据模型的轧制力预测方法。该轧制力预测方法包括根据平辊轧制过程的特征，确定轧制力的理论模型；以实际生产数据作为研究对象，建立BP神经网络模型；以所述理论模型计算获得的轧制力预测值作为主值，基于平均误差乘法补偿原则将所述理论模型的轧制力预测误差与所述BP神经网络模型的轧制力预测误差进行比较并形成修正系数，基于所述修正系数融合所述理论模型和所述BP神经网络模型而获得整合模型，基于所述整合模型计算最终的轧制力预测值。本发明提供的轧制力预测方法能够实现既继承理论模型的结构形式，又继承了大数据模型的精度，且便于实际应用。

主权项：1.一种融合理论模型和大数据模型的轧制力预测方法，其特征在于，所述轧制力预测方法包括：根据平辊轧制过程的特征，确定轧制力的理论模型；以实际生产数据作为研究对象，建立BP神经网络模型；以所述理论模型计算获得的轧制力预测值作为主值，基于平均误差乘法补偿原则将所述理论模型的轧制力预测误差与所述BP神经网络模型的轧制力预测误差进行比较并形成修正系数，基于所述修正系数融合所述理论模型和所述BP神经网络模型而获得整合模型，基于所述整合模型计算最终的轧制力预测值。

全文数据：

权利要求：

百度查询： 苏州大学 融合理论模型和大数据模型的轧制力预测方法

免责声明
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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD