丰满美女裸体视频一区二区三区|无码 视频 一区|亚洲无码毛片一区二区|秋霞自慰人妻久久久久经典|无码在线观看无播放器|熟女综合一区二区三区|青青操逼一级视频三级精品|国产露出视频在线|av无码免费一区二区三|激情视频在线导航

專(zhuān)利類(lèi)型：

發(fā)明公開(kāi)

申請(qǐng)(專(zhuān)利)號(hào)：

CN202510176516.X

申請(qǐng)日：

2025-02-18

申請(qǐng)公布號(hào)：

CN120031203A

申請(qǐng)公布日：

2025-05-23

申請(qǐng)人：

昆明理工大學(xué)

地址：

650093 云南省昆明市一二一大街文昌路68號(hào)

發(fā)明人：

胡建杭; 向恒杰; 王華; 唐從瑋

專(zhuān)輯：

信息科技

專(zhuān)題：

計(jì)算機(jī)軟件及計(jì)算機(jī)應(yīng)用

主分類(lèi)號(hào)：

G06Q10/04

分類(lèi)號(hào)：

G06Q10/04;G06Q10/063;G06Q50/04;G06Q50/26;G06F18/2135;G06N20/00;G06F123/02

國(guó)省代碼：

53

頁(yè)數(shù)：

15

代理機(jī)構(gòu)：

昆明隆合知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)

代理人：

張沛欽

主權(quán)項(xiàng)：

1.一種基于PCA的鋼鐵冶煉流程中能耗及碳排放的預(yù)測(cè)方法,其特征在于,所述方法包括：S101、收集鋼鐵冶煉流程的不同時(shí)間段的歷史能耗及碳排放數(shù)據(jù)得到初始數(shù)據(jù)集合,所述歷史能耗及碳排放數(shù)據(jù)包括生產(chǎn)數(shù)據(jù)、設(shè)備運(yùn)行數(shù)據(jù)、環(huán)境數(shù)據(jù)和市場(chǎng)數(shù)據(jù)；S102、對(duì)初始數(shù)據(jù)集合中的數(shù)據(jù)進(jìn)行預(yù)處理,所述預(yù)處理包括異常值剔除、缺失值插補(bǔ)和多工序特征整合與校正；S103、對(duì)所述初始數(shù)據(jù)集合采取PCA降維并提取關(guān)鍵特征的成分矩陣,所述提取的關(guān)鍵特征包括影響鋼鐵冶煉流程的至少兩個(gè)特征變量,特征變量提取自煉焦過(guò)程、球團(tuán)過(guò)程、燒結(jié)過(guò)程、煉鐵過(guò)程、煉鋼過(guò)程和軋鋼過(guò)程中；S104、將成分矩陣轉(zhuǎn)換為特征變量與目標(biāo)變量一同進(jìn)行歸一化處理,消除不同特征變量因量綱和數(shù)值范圍差異對(duì)數(shù)據(jù)分析和模型計(jì)算帶來(lái)的影響,確保變量在同一數(shù)值尺度下參與分析；S105、采用多個(gè)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練,得到多個(gè)初始預(yù)測(cè)效果,所述多個(gè)機(jī)器學(xué)習(xí)模型包括支持向量機(jī)SVM、隨機(jī)森林RF算法、XGBoost和神經(jīng)網(wǎng)絡(luò),根據(jù)需求來(lái)適配不同模型,不同模型基于其獨(dú)特的算法特點(diǎn)捕捉數(shù)據(jù)中的不同模式和關(guān)系；S106、調(diào)整模型超參數(shù)使得模型效果最優(yōu),根據(jù)數(shù)據(jù)的具體情況動(dòng)態(tài)調(diào)整機(jī)器學(xué)習(xí)模型的超參數(shù),以實(shí)現(xiàn)預(yù)測(cè)效果的最優(yōu)化；S107、采取誤差分析,交叉驗(yàn)證評(píng)判多個(gè)模型的效果,將多個(gè)模型的預(yù)測(cè)效果進(jìn)行對(duì)比,選取效果最佳的模型作為目標(biāo)模型；S108、輸入實(shí)時(shí)能耗及碳排放數(shù)據(jù)至所述目標(biāo)模型中,輸出最終預(yù)測(cè)結(jié)果。

摘要：

本發(fā)明公開(kāi)了一種基于PCA的鋼鐵冶煉流程能耗及碳排放預(yù)測(cè)方法及系統(tǒng),屬于鋼鐵冶煉流程能耗及碳排放數(shù)據(jù)分析技術(shù)領(lǐng)域,該方法包括：收集鋼鐵冶煉流程的不同時(shí)間段的歷史能耗及碳排放數(shù)據(jù)；對(duì)能耗及碳排放數(shù)據(jù)進(jìn)行剔除異常值,插補(bǔ)缺失值等預(yù)處理；采取PCA降維并提取關(guān)鍵特征的成分矩陣；將成分矩陣轉(zhuǎn)換為特征變量與目標(biāo)變量一同進(jìn)行歸一化處理；采用多個(gè)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練,得到多個(gè)初始預(yù)測(cè)效果；調(diào)整模型超參數(shù)使得模型效果最優(yōu)；采取誤差分析,交叉驗(yàn)證等評(píng)判多個(gè)模型的效果,將多個(gè)模型的預(yù)測(cè)效果進(jìn)行對(duì)比,選取效果最佳的模型；輸入實(shí)時(shí)能耗及碳排放數(shù)據(jù),輸出最終預(yù)測(cè)結(jié)果,使得鋼鐵企業(yè)能夠根據(jù)歷史生產(chǎn)數(shù)據(jù)預(yù)測(cè)未來(lái)能耗及碳排放量,實(shí)時(shí)調(diào)節(jié)生產(chǎn)計(jì)劃,達(dá)到合理利用能源,降低鋼鐵冶煉過(guò)程對(duì)環(huán)境的負(fù)面影響。