[发明专利]一种基于无监督和有监督学习的水泥游离钙软测量方法

摘要

本发明公开了一种基于无监督和有监督学习的水泥游离钙软测量方法，通过分析水泥工艺选取变量作为熟料fCaO软测量的输入变量，每个变量的时间序列作为模型输入；利用选取的输入变量，构建无监督和有监督学习相结合的预测模型；将稀疏自编码的解码层去除，编码层堆叠形成深层网络结构，利用确定的初始参数去初始化深层网络参数，采用BP反向误差修正算法进行有监督学习；利用训练好的无监督和有监督学习相结合的预测模型进行水泥熟料fCaO实时预测。本发明模型前向采用逐层贪婪无监督学习方式，提取数据的高层特征；结合有监督的反向微调进一步优化参数，利用训练好的深层网络实现熟料fCaO实时预测。

主权项

1.一种基于无监督和有监督学习的水泥游离钙软测量方法,其特征在于，包括以下步骤：步骤1：通过分析水泥工艺选取10个变量作为熟料fCaO软测量的输入变量，每个变量的时间序列作为模型输入，并对所选的每个变量时间序列进行异常值处理和归一化处理；步骤2：利用步骤1中选取的输入变量，构建无监督和有监督学习相结合的预测模型，确定初始参数，初始参数包括网络层数、隐层节点数、学习率、稀疏惩罚项系数、稀疏性系数；对每个稀疏自编码采用逐层贪婪训练方式进行无监督的前向训练，即从底到上逐层训练每层神经网络，每次只更新一个自编码的参数，确定深度网络每层的初始权重w和偏置b；步骤3：将稀疏自编码的解码层去除，编码层堆叠形成深层网络结构，利用步骤2中确定的初始参数去初始化深层网络参数，结合有监督BP反向误差修正算法进一步优化参数初始权重w和偏置b，以完成有监督部分的训练；步骤4：利用步骤3中训练好的无监督和有监督学习相结合的预测模型进行水泥熟料fCaO实时预测。