申请/专利权人：北京科技大学

申请日：2024-01-09

公开（公告）日：2024-04-23

公开（公告）号：CN117540663B

主分类号：G06F30/28

分类号：G06F30/28;G16C20/30;G16C20/70;G06N3/048;G06N3/0499;G06F30/27;C21B5/00;C21B7/24;G06F119/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2024.03.01#实质审查的生效;2024.02.09#公开

摘要：本发明属于高温熔体性质预测技术领域，具体为一种基于神经网络的高炉炉缸高温熔体粘度预测方法及系统，以历史数据集的高温熔体的温度、成分、固相析出、液态结构作为输入变量，将高温熔体的粘度作为输出变量；选择SGD算法作为优化器，划分神经网络训练集、验证集和测试集，构建包括输入层、隐藏层和输出层的神经网络模型；调整隐藏层个数M、网络节点数目N，训练神经网络模型；选择相对误差、绝对误差、决定系数作为评价指标，基于各项评价指标的判别标准，获得训练效果良好的神经网络模型，实现待测高炉炉缸高温熔体粘度预测。本发明解决了现有半经验模型无法很好模拟多组元熔体粘度的问题，为高温粘度的预测提供新思路。

主权项：1.一种基于神经网络的高炉炉缸高温熔体粘度预测方法，其特征在于，包括如下步骤：S1、以历史数据集的高温熔体的温度、成分、固相析出、液态结构作为输入变量，将高温熔体的粘度作为输出变量；划分神经网络训练集、验证集和测试集，构建包括输入层、隐藏层和输出层的神经网络模型；选用K折交叉验证法来设置验证集，选择SGD算法对模型超参数设置进行优化调整；S2、调整隐藏层个数M、网络节点数目N，训练神经网络模型；选择相对误差、绝对误差、决定系数作为评价指标，基于各项评价指标的判别标准，获得训练效果良好的神经网络模型；各项评价指标采用如下方式计算： 式中，RE为相对误差；MAE为绝对误差；R2为决定系数；SSres为真实值与预测值的差的平方之和；η预测值为高温熔体粘度预测值，η真实值为高温熔体粘度真实值，SStot为真实值与预测值的平方差；S3、采用训练效果良好的神经网络模型实现待测高炉炉缸高温熔体粘度预测。

全文数据：

权利要求：

百度查询： 北京科技大学 基于神经网络的高炉炉缸高温熔体粘度预测方法及系统

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