申请/专利权人：江西理工大学

申请日：2023-12-27

公开（公告）日：2024-03-29

公开（公告）号：CN117787743A

主分类号：G06Q10/0637

分类号：G06Q10/0637;G06Q50/04;G06F18/2411;G06F18/243;G06F18/25;G06F18/213;G06F18/15;G06F18/211;G06F18/27;G06N3/006;G06N3/126;G06N3/045;G06N3/0464;G06N3/044;G06N3/086

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明涉及数据科学与工业智能技术领域，具体为一种基于大数据的高炉炉况智能评价方法及系统，包括以下步骤：基于高炉操作数据，采用Z‑分数归一化方法进行数据质量信息采集，生成规范化记录数据集。本发明中，通过Z‑分数归一化和深度学习技术，提高数据处理质量和效率，多维特征提取和多视图融合增强了数据表征能力，支持向量机和随机森林提供准确模式识别和预测，边缘计算和在线学习提升实时监控和反应速度，实现异常检测，遗传算法和蚁群优化方法优化物料配比和能源策略，提高运营效率，减少资源浪费，虚拟现实技术为操作人员提供沉浸式培训和策略测试环境，加强技能并安全验证新策略。

主权项：1.一种基于大数据的高炉炉况智能评价方法，其特征在于，包括以下步骤：基于高炉操作数据，采用Z-分数归一化方法进行数据质量信息采集，生成规范化记录数据集；基于所述规范化记录数据集，采用卷积神经网络和递归神经网络进行空间数据特征提取，生成多维特征数据；基于所述多维特征数据，采用模态深度学习多视图融合，生成综合特征数据集；基于所述综合特征数据集，采用支持向量机、随机森林算法，进行模式识别和预测分析，生成炉况预测模型；基于所述炉况预测模型，采用边缘计算和在线学习算法，进行实时监控和异常检测，生成实时监控反馈；基于所述实时监控反馈和炉况预测模型，采用遗传算法和蚁群优化，进行物料配比、能源策略优化，生成优化操作建议；基于所述优化操作建议和实时监控反馈，采用虚拟现实方法创建高炉操作模拟环境，进行培训和策略测试，生成VR培训与模拟平台；所述规范化记录数据集具体指经过标准化处理的操作数据，所述多维特征数据具体指空间相关性和时间依赖性特征，所述综合特征数据集具体指操作状态视图，所述炉况预测模型具体指高炉操作状态的分类和预测工具，所述实时监控反馈包括异常状态报警、操作建议，所述优化操作建议具体指原料配比、燃料消耗改善方案，所述VR培训与模拟平台具体指实际操作环境模拟和新策略测试平台。

全文数据：

权利要求：

百度查询： 江西理工大学 一种基于大数据的高炉炉况智能评价方法及系统

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