一种基于多变量时间序列多尺度特征提取的熔炼炉高铅渣成份预...
实质审查的生效
摘要
本发明提供了一种基于多变量时间序列多尺度特征提取的熔炼炉高铅渣成份预测方法，包括：数据采集和预处理；数据集划分；建立融合多尺度卷积‑自注意力组件和自回归线性组件的高铅渣成份预测模型；在训练集和验证集上对模型进行训练和模型超参数网格寻优，在测试集上评估模型预测效果，并保存预测效果最好的模型；对熔炼炉产物高铅渣成份进行预测：获取现场生产投料数据和高铅渣成份分析数据，输入到已训练好的模型中，计算未来一段时间的高铅渣成份预测结果，最终实现基于多变量时间序列多尺度特征提取的熔炼炉高铅渣成份预测，为现场生产操作提供参考。
基本信息
专利标题 ：
一种基于多变量时间序列多尺度特征提取的熔炼炉高铅渣成份预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114386326A
申请号 ：
CN202111642694.5
公开（公告）日 ：
2022-04-22
申请日 ：
2021-12-29
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
陈金水王春朋杨晔卢建刚
申请人 ：
浙江大学
申请人地址 ：
浙江省杭州市西湖区浙大路38号
代理机构 ：
浙江杭州金通专利事务所有限公司
代理人 ：
刘晓春
优先权 ：
CN202111642694.5
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-05-10 ：
实质审查的生效
IPC(主分类) : G06F 30/27
申请日 : 20211229
申请日 : 20211229
2022-04-22 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
