深度学习与物理模型引导融合的重介分选密度决策方法

本发明公开了一种深度学习与物理模型引导融合的重介分选密度决策方法，属于计算机技术领域，旨在提升人工智能在选煤工艺中的应用。本发明建立了分选密度与精煤灰分之间的理论映射模型，设计了基于注意力机制的深度神经网络预测模型，将理论模型的预测结果作为深度神经网络的输入之一，以优化预测过程。本发明通过融合物理损失和经验损失构造了一个复合损失函数。所提出物理损失的创新之处在于通过改变模型输入数据，生成反事实对照输入，并对比变化前后预测结果，评估对分选密度预测的物理影响。本发明结合经验知识和物理合理性，在预测精度上具有显著优势，增强了模型在面对未知或极端情况时的稳定性和可靠性，减少了对数据的过分依赖。