申请/专利权人：上海大学

申请日：2023-11-30

公开（公告）日：2024-03-01

公开（公告）号：CN117637055A

主分类号：G16C20/20

分类号：G16C20/20;G16C20/70;G06F18/2321;G06N3/0442;G06N3/048;G06N3/049;G06N3/084;G01N33/24

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明涉及一种基于DBSCAN‑PF‑LSTM的多组分矿石含量的软测量方法，包括以下步骤：提取待测量的多组分矿石含量的历史化验数据，建立多维数据序列；采用DBSCAN模型识别所述多维数据序列中的正常数据和异常数据，计算所述异常数据的前多次历史化验数据的平均值，将所述平均值替换所述异常数据，得到第二历史化验数据；采用粒子滤波器对所述第二历史化验数据进行过滤，得到第三历史化验数据；构建、训练LSTM神经网络模型，经过设定的训练次数，得到LSTM神经网络模型；将待测量的多组分矿石含量数据依次经过步骤1——步骤4处理，得到多组分矿石含量的预测结果。与现有技术相比，本发明能够有效地识别和处理数据中的异常点，并改善模型的精度和鲁棒性，提高预测多组分矿石含量的准确性等优点。

主权项：1.一种基于DBSCAN-PF-LSTM的多组分矿石含量的软测量方法，其特征在于，包括以下步骤：步骤S1、提取多组分矿石含量的历史化验数据，根据所述历史化验数据，建立多维数据序列；步骤S2、采用DBSCAN模型识别所述多维数据序列中的正常数据和异常数据，计算所述异常数据的前多次历史化验数据的平均值，将所述平均值替换所述异常数据，得到第二历史化验数据；步骤S3、采用粒子滤波器对所述第二历史化验数据进行过滤，得到第三历史化验数据；步骤S4、构建LSTM神经网络模型，将第三历史化验数据作为所述LSTM神经网络模型的训练数据集，将所述训练数据集输入所述LSTM神经网络模型进行训练，经过设定的训练次数，得到LSTM神经网络模型；步骤S5、将待测量的多组分矿石含量数据依次经过步骤1——步骤4处理，通过所述LSTM神经网络模型得到多组分矿石含量的预测结果。

全文数据：

权利要求：

百度查询： 上海大学 一种基于DBSCAN-PF-LSTM的多组分矿石含量的软测量方法

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