[发明专利]一种基于深度学习的炼钢系统预警方法和系统

权利要求书

1.一种基于深度学习的炼钢系统预警方法，其特征在于，包括：

S100.利用预设样本库中的炼钢系统历史监控数据和对应的系统预警级别作为深度信念网模型的学习数据，无监督的对深度信念网模型进行训练，提取出历史监控数据中的深层特征；

S200.利用模糊聚类算法对提取出的深层特征表示进行预聚类，得到预聚类结果的初始模型；

S300.利用BP反向传播算法对初始模型进行优化，得到系统预警模型；

S400.实时获取炼钢系统监控数据，将获取炼钢系统监控数据输入到系统预警模型，得到当前炼钢系统预警级别，达到对炼钢系统进行预警目的。

2.如权利要求1的一种基于深度学习的炼钢系统预警方法，其特征在于，预设样本库中的炼钢系统历史监控数据由炼钢系统中的监控信息、日志文件获取。

3.如权利要求1的一种基于深度学习的炼钢系统预警方法，其特征在于，S100中，在输入层输入数据，通过无监督的深度学习结构得到深层特征。

4.如权利要求1的一种基于深度学习的炼钢系统预警方法，其特征在于，深度信念网模型，通过多层限制性玻尔兹曼机进行网络预训练，得到了输入数据的分布参数的权重矩阵W。

5.如权利要求1的一种基于深度学习的炼钢系统预警方法，其特征在于，深度信念网模型学习网络参数至少包括：学习率、迭代次数、批次大小、激活函数、隐含层的数目和单元数、权重初始化、Dropout方法。

6.如权利要求1的一种基于深度学习的炼钢系统预警方法，其特征在于，S300方法包括：使用交叉迭代的方法优化深层自编码机和固定类中心的聚类；基于聚类分析的结果，对每一个簇进行进一步数据分析，获取预警信息之间的内在规律，形成系统预警模型。

7.一种基于深度学习的炼钢系统预警系统，其特征在于，包括：

数据库模块、深度学习模块、聚类算法模块；其中：

数据库模块，用于存储炼钢系统历史监控数据和对应的系统预警级别数据，将所述数据作为深度学习模块训练数据；

深度学习模块，利用炼钢系统历史监控数据和对应的系统预警级别数据，无监督进行训练，提取出历史监控数据中的深层特征；

聚类算法模块，利用模糊聚类算法对提取出的深层特征表示进行预聚类，得到预聚类结果，利用BP反向传播算法对深度学习提取的特征和预聚类结果优化，得到系统预警模型。

8.如权利要求7的一种基于深度学习的炼钢系统预警系统，其特征在于，深度学习模块，通过多层限制性玻尔兹曼机进行网络预训练，得到了输入数据的分布参数的权重矩阵W。

9.如权利要求7的一种基于深度学习的炼钢系统预警系统，其特征在于，聚类算法模块聚类方法包括：使用交叉迭代的方法优化深层自编码机和固定类中心的聚类；基于聚类分析的结果，对每一个簇进行进一步数据分析，获取预警信息之间的内在规律，形成系统预警模型。