领域知识驱动的可解释神经网络焦炭热态质量预测模型

本发明是一种领域知识驱动的可解释神经网络焦炭热态质量预测模型，该方法由配合煤样本数据集构建，神经网络模型构建及预测，煤参数组识别，煤参数组权重分数计算和煤参数组重要性优化所组成；利用SHAP值来衡量煤参数组的重要性程度，并基于焦化领域知识分别识别出需要提高和降低重要性的煤参数组；利用权重损失函数在训练过程中优化所识别的煤参数组的重要性，使得模型可挖掘和学习到更深层次、更合理的关联用于预测焦炭反应性CRI和焦炭反应后强度CSR。本发明方法能有效地提高神经网络焦炭热态质量预测模型的可解释性以及预测的性能，增强在实际工业应用过程中的可信度。