[发明专利]一种炼钢烧结生产中综合焦比预测的方法

权利要求书

1.一种炼钢烧结生产中综合焦比预测的方法，其特征在于包括以下步骤：

a、定义综合焦比预测输出模型为其中，为第i组样本的焦比预测输出，i＝1,2,...,l+u，l和u分别为有标签样本组和无标签样本组的个数，a为输出神经元的阈值，w^io为连接输入神经元和输出神经元的权值，w^ho为连接隐含层神经元和输出神经元的权值，X为样本输入矩阵，G为隐含层输出矩阵，I为单位矩阵；

b、从实际运行的烧结机上采集多组样本，包括有标签样本组和无标签样本组，每一组样本的输入包括返矿配比、焦粉配比、MgO含量、铁品位、SiO₂含量、CaO含量、上升点位置、上升点温度、烧结终点位置和烧结终点温度；

c、将所有采集的样本输入综合焦比预测输出模型中进行训练，最终得到训练后的综合焦比预测输出模型；

d、将实时采集的样本输入训练后的综合焦比预测输出模型中，得到预测的综合焦比值。

2.如权利要求1所述的一种炼钢烧结生产中综合焦比预测的方法，其特征在于将有标签样本组的数据集表示为无标签样本组的数据集表示为其中，x_i表示第i个输入样本，则步骤a中的输入矩阵D为输入样本的维数，I＝[1,1,...,1]_1×(l+u),N为总样本的个数N＝l+u，K为隐含层神经元的个数，G(·)为隐含层神经元激活函数，其具有以下特征：W^ih为连接输入神经元和隐含层神经元的权值，b为输出神经元的阈值；是第i个输入神经元和输出神经元的权值，其中是第i个隐含层神经元和输出神经元的权值。

3.如权利要求2所述的一种炼钢烧结生产中综合焦比预测的方法，其特征在于其中是输入层神经元与第k个隐含层神经元的连接权值，b＝[b₁,b₂,...,b_i,...,b_K]^T其中b_i为第i个隐含层神经元的阈值，W^ih和b是在综合焦比预测输出模型训练的过程中随机生成的。

4.如权利要求1所述的一种炼钢烧结生产中综合焦比预测的方法，其特征在于定义W＝[w^io,w^ho,a]为综合焦比预测输出模型的输出权值，其是通过最小化下列目标函数得到的：

其中，第一项是预防过拟合的正则项，第二项为均方预测误差和，第三项为流形正则化项，Tr为矩阵的迹，上标T为矩阵的转置，L∈R^(l+u)×(l+u)为基于有标签样本和无标签样本构建的图形拉普拉斯算子，为前l列等于y_l后u列为零的目标输出矩阵，为输入矩阵X对应的输出矩阵，C∈R^(l+u)*(l+u)为前l对角线上元素为C其余为0的惩罚因子，取值为：10^m-5，m＝1,2,…,10，λ为折中因子，取值为：10^9-j，j＝1,2,…,10，令F_SS-LLLN对W的梯度为零，

如果的列数大于行数，即D+K+1l+u，则输出权值矩阵的解为

其中，I_D+K+1为维数为D+K+1的单位矩阵，如果的行数大于列数，即D+K+1l+u，则输出权值矩阵的解为

其中，I_l+u为维数为l+u的单位矩阵。