申请/专利权人：佛山众陶联供应链服务有限公司;西藏众陶联供应链服务有限公司;林周佳住家网络科技有限公司;林周利利佳供应链服务有限公司;共青城市众陶联供应链服务有限公司

申请日：2022-06-09

公开（公告）日：2022-08-09

公开（公告）号：CN114882961A

主分类号：G16C20/70

分类号：G16C20/70;G16C20/20

优先权：

专利状态码：有效-授权

法律状态：2023.02.07#授权;2022.08.26#实质审查的生效;2022.08.09#公开

摘要：本发明公开了基于原料权重作为模型参数选择条件的烧成曲线预测方法，涉及数据预测技术领域。本发明根据对窑炉生产产生影响的原料物化指标的高低权重作为分组的条件，结合其他参数，分组测试不同参数组合的情况下，得到最优参数推荐用于预测模型当中，训练出更准确的预测窑炉烧成曲线的模型，推荐更有的窑炉烧成参数。加入先验知识及突出先验知识认为的影响窑炉烧成的关键因素在窑炉烧成曲线预测模型中的作用，从而提升预测模型的学习效率，一定程度上提升预测模型的准确性，更有效通过预测模型提高窑炉烧成调整的效率，降低窑炉烧成参数调整的时间成本及试错成本，保障窑炉烧成的产质量稳定。

主权项：1.基于原料权重作为模型参数选择条件的烧成曲线预测方法，其特征在于，所述方法包括如下步骤：判定原料各物化成分参数的重要程度以及对窑炉烧成的影响程度，根据所述重要程度及所述影响程度标注每个物化成分参数的重要程度占比作为权重，其中：对单个原料中各个物化成分参数的重要程度占比为子类权重；对所有原料的重要程度占比为大类权重，通过计算合并之类权重和大类权重，作为加总权重；根据计算后的加总权重，对每个原料的每个物化成分参数根据加总权重的数值大小划分出若干个权重组；根据划分的多个权重组，分别设定各组的weight指标以及选定使用模型相关参数的方式进行测试，得到若干个测试组；所述模型相关参数是模型算法内需要进行调整的超参数；在每个测试组中，针对每一组数据相关参数的每一轮模型相关参数运行测试多个权重组的模型，得到最优模型相关参数；其中，所述数据相关参数是根据工艺知识及经验对基础数据集需要做的调整而制定的筛选条件；测试多个权重组的模型是指综合多个测试组、数据相关参数以及模型相关参数，通过正交筛选的模型算法交叉验证出最优的模型相关参数；在原有的权重组的模型增加一个集成模型，得到优化后的权重组的模型；利用最优模型相关参数训练各个优化组合后的权重组的模型；利用设定的评估指标选出结果最好的测试组，并输出对应最优的数据相关参数及模型相关参数作为窑炉烧成曲线预测模型的最优参数。

全文数据：

权利要求：

百度查询： 佛山众陶联供应链服务有限公司;西藏众陶联供应链服务有限公司;林周佳住家网络科技有限公司;林周利利佳供应链服务有限公司;共青城市众陶联供应链服务有限公司 基于原料权重作为模型参数选择条件的烧成曲线预测方法

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