申请/专利权人:中冶赛迪工程技术股份有限公司
申请日:2024-01-05
公开(公告)日:2024-03-08
公开(公告)号:CN117668667A
主分类号:G06F18/241
分类号:G06F18/241;G06F18/2433;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.26#实质审查的生效;2024.03.08#公开
摘要:本发明涉及一种基于深度置信网络模型的热连轧板平直度分类预测方法,属于人工智能技术领域,包括以下步骤:S1:选择热连轧板平直度分类预测模型的输入变量;S2:将单元板材的平直度分类标签作为热连轧板平直度分类预测模型的输出;S3:形成原始建模数据并数据预处理获得初步建模数据集;S4:将初步建模数据集中每个平直度类别对应的数据样本按照一定比例分别划入训练集与测试集中;S5:基于重采样方法获得最终训练集;S6:基于最终训练集并采用交叉验证建立基于深度置信网络算法的热连轧板平直度分类预测模型;S7:采用坐标下降法确定模型最优参数;S8:基于测试集评价模型的性能。
主权项:1.一种基于深度置信网络模型的热连轧板平直度分类预测方法,其特征在于:包括以下步骤:S1:将影响热连轧板平直度的工艺参数、设备参数、轧件参数作为热连轧板平直度分类预测模型的输入变量;S2:将单元板材某个条元的平直度分类标签或某几个条元的平直度分类标签组合成的新平直度分类标签作为热连轧板平直度分类预测模型的输出;S3:从板材热连轧现场收集与提取相关实际生产数据,形成原始建模数据,通过对原始建模数据进行数据预处理获得初步建模数据集;S4:保持初步建模数据集、训练集和测试集中每个平直度类别对应的数据样本比例相同,将初步建模数据集中每个平直度类别对应的数据样本按照一定比例分别划入训练集与测试集中;S5:基于重采样方法获得最终训练集;S6:基于最终训练集,采用交叉验证建立基于深度置信网络算法的热连轧板平直度分类预测模型;S7:采用坐标下降法确定基于深度置信网络算法的热连轧板平直度分类预测模型的最优参数;S8:基于测试集,采用指标包括准确率、召回值、F1分数以及受试者工作特征曲线下的面积来评价所建立的基于深度置信网络算法的热连轧板平直度分类预测模型的性能。
全文数据:
权利要求:
百度查询: 中冶赛迪工程技术股份有限公司 基于深度置信网络模型的热连轧板平直度分类预测方法
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。