(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210557536.8 (22)申请日 2022.05.19 (71)申请人 安徽工业大学 地址 243002 安徽省马鞍山市花 山区湖东 路59号 (72)发明人 崔平　陈吉　胡作进　雷昭　凌强　 赵志刚　 (74)专利代理 机构 安徽顺超知识产权代理事务 所(特殊普通 合伙) 34120 专利代理师 李照 (51)Int.Cl. G06Q 10/04(2012.01) G06F 16/36(2019.01) G06Q 10/06(2012.01) G06Q 50/04(2012.01) (54)发明名称 基于机器学习的焦炭质量预测方法及系统 (57)摘要 本发明提供了基于机器学习的焦炭质量预 测方法及系统， 通过结合焦炉焦 炭质量预测模型 对基础炼焦样本数据集合中的基础炼焦样本数 据进行焦 炭质量指标特征解析， 输出焦炭质量指 标特征簇， 结合焦炭质量指标特征簇， 将基础炼 焦样本数据作为模型更新成员生成对应的模型 更新知识导图， 结合模型更新知识导图对基础炼 焦样本数据的基础焦炉焦炭质量数据进行更新， 输出进阶炼焦样本数据集合， 结合进阶炼焦样本 数据集合对焦炉焦炭质量预测模型进行参数层 信息的调优和选取， 从而应用于目标炼焦数据的 焦炉焦炭质量预测， 从而在训练过程中结合焦炭 质量指标特征簇进行基础焦炉焦炭质量数据的 更新后再进行模 型训练， 可以提高焦炉焦炭质量 预测的可靠性。 权利要求书4页 说明书9页 附图3页 CN 114841460 A 2022.08.02 CN 114841460 A 1.基于机器学习的焦炭质量预测方法， 其特征在于， 应用于机器学习预测系统， 所述机 器学习预测系统与多个炼焦配煤与炼焦工艺控制端通信连接， 所述基于机器学习的焦炭质 量预测方法包括： 从预设炼焦数据库中获得基础 炼焦样本数据集合， 所述基础 炼焦样本数据集合涵盖多 个信任认证的基础 焦炉焦炭质量数据的基础炼焦样本数据； 结合所述焦炉焦炭质量预测模型对所述基础炼焦样本数据集合中的基础炼焦样本数 据进行焦炭质量指标 特征解析， 输出焦炭质量指标 特征簇； 结合所述焦炭质量指标特征簇， 将所述基础 炼焦样本数据作为模型更新成员生成对应 的模型更新知识导图； 结合所述模型更新知识导图对所述基础炼焦样本数据的基础焦炉焦炭质量数据进行 更新， 输出进阶炼焦样本数据集 合； 结合所述进阶炼焦样本数据集合对所述焦炉焦炭质量预测模型进行参数层信息的调 优和选取， 而后结合参数层信息的调优和选取后的目标焦炉焦炭质量预测模型对所述炼焦 配煤与炼焦工艺控制端传送的目标炼焦数据进行焦炉焦炭质量预测。 2.根据权利要求1所述的基于机器学习的焦炭质量预测方法， 其特征在于， 所述结合所 述模型更新知识 导图对所述基础炼焦样本数据的基础焦炉焦炭质量数据进 行更新， 输出进 阶炼焦样本数据集 合， 包括： 结合所述基础炼焦样本数据的基础焦炉焦炭质量数据在所述模型更新知识导图的模 型更新成员之 间进行质量指标关系变量关联， 输出所述基础炼焦样本数据的进阶焦炉焦炭 质量数据信息； 结合所述进阶焦炉焦炭质量数据信 息， 对所述基础 炼焦样本数据的基础焦炉焦炭质量 数据进行 更新， 输出进阶炼焦样本数据集 合。 3.根据权利要求2所述的基于机器学习的焦炭质量预测方法， 其特征在于， 所述结合所 述基础炼焦样本数据的基础焦炉焦炭质量数据在所述模型更新知识导图的模型更新成员 之间进行质量指标关系变量关联， 输出所述基础炼焦样本数据的进阶焦炉焦炭质量数据信 息， 包括： 结合所述基础 炼焦样本数据的基础焦炉焦炭质量数据， 生成所述基础炼焦样本数据集 合相应的基础 焦炉焦炭质量数据集 合； 结合信任开发的质量指标关系变量关联算法， 将所述基础焦炉焦炭质量数据集合在所 述模型更新知识 导图的模型更新成员之 间进行质量指标关系变量关联， 输出所述基础炼焦 样本数据的进阶焦炉焦炭质量数据信息； 其中， 所述基础焦炉焦炭质量数据集合包括每一基础 炼焦样本数据相应的基础焦炉焦 炭质量数据； 所述结合信任开发的质量指标关系变量关联算法， 将所述基础焦炉焦炭质量数据集合 在所述模型更新知识 导图的模型更新成员之间进 行质量指标关系变量关联， 输出所述基础 炼焦样本数据的进阶焦炉焦炭质量数据信息， 包括： 结合所述模型更新知识导图确定所述基础炼焦样本数据之间的炼焦生产质量指标的 协同热力值； 获取所述炼焦生产质量指标的协同热力值相应的协同节点数量， 而后结合所述协同节权　利　要　求　书 1/4 页 2 CN 114841460 A 2点数量， 对所述基础炼焦样本数据的基础 焦炉焦炭质量数据进行映射关联； 将映射关联的基础焦炉焦炭质量数据进行归集， 输出所述基础炼焦样本数据的进阶焦 炉焦炭质量数据信息 。 4.根据权利要求2所述的基于机器学习的焦炭质量预测方法， 其特征在于， 所述结合所 述进阶焦炉焦炭质量数据信息， 对所述基础炼焦样本数据的基础焦炉焦炭质量数据进 行更 新， 输出进阶炼焦样本数据集 合， 包括： 在所述进阶焦炉焦炭质量数据信息中提取所述基础炼焦样本数据的进阶焦炉焦炭质 量特征； 结合所述进阶焦炉焦炭质量特征， 生成所述基础炼焦样本数据的进阶焦炉焦炭质量数 据； 结合所述进阶焦炉焦炭质量数据， 对所述基础 炼焦样本数据的基础焦炉焦炭质量数据 进行更新， 输出进阶炼焦样本数据集 合。 5.根据权利要求4所述的基于机器学习的焦炭质量预测方法， 其特征在于， 所述结合所 述进阶焦炉焦炭质量特 征， 生成所述基础炼焦样本数据的进阶焦炉焦炭质量数据， 包括： 在所述进阶焦炉焦炭质量特 征中选择质量指标值 最大的焦炉焦炭质量指标； 在所述进阶焦炉焦炭质量特 征中提取 所述焦炉焦炭质量指标的指标属性数据； 获取所述指标属性数据相应的映射焦炉焦炭质量数据， 将所述映射焦炉焦炭质量数据 作为所述基础炼焦样本数据的进阶焦炉焦炭质量数据。 6.根据权利要求4所述的基于机器学习的焦炭质量预测方法， 其特征在于， 所述结合所 述进阶焦炉焦炭质量数据， 对所述基础炼焦样本数据的基础焦炉焦炭质量数据进行更新， 输出进阶炼焦样本数据集 合， 包括： 将所述进阶焦炉焦炭质量数据与相应的基础炼焦样本数据标注的基础焦炉焦炭质量 数据进行比较； 如果分析到所述进阶焦炉焦炭质量数据与基础焦炉焦炭质量数据不匹配时， 生成所述 基础炼焦样本数据为待更新的目标基础炼焦样本数据； 将所述目标基础炼焦样本数据的基础焦炉焦炭质量数据更新为相应的进阶焦炉焦炭 质量数据， 输出 所述进阶炼焦样本数据集 合。 7.根据权利要求1 ‑6任一所述的基于机器学习的焦炭质量预测方法， 其特征在于， 所述 结合所述焦炭质量指标特征簇， 将所述基础炼焦样本数据作为模型更新成员生成对应的模 型更新知识导图， 包括： 在所述焦炭质量指标特征簇中选择每一基础 炼焦样本数据相应的焦炭质量指标特征， 而后结合所述基础炼焦样本数据的焦炭质量指标特征， 确定所述基础炼焦样本数据之 间的 炼焦工艺协同参数； 结合所述炼焦工艺协同参数， 在所述基础炼焦样本数据集合中选择所述基础炼焦样本 数据的关联基础炼焦样本数据， 输出所述基础炼焦样本数据 的协同基础炼焦样本数据集 合； 在所述炼焦工艺协同参数中选择所述基础炼焦样本数据与相应的协同基础炼焦样本 数据集合中基础炼焦样本数据之间的目标炼焦工艺协同参数； 对所述目标炼焦工艺协同参数进行归集， 生成所述基础炼焦样本数据与所述协同基础权　利　要　求　书 2/4 页 3 CN 114841460 A 3