面向指标偏好不平衡数据的连退产品质量多指标预测方法

本发明提供一种面向指标偏好不平衡数据的连退产品质量多指标预测方法，涉及钢铁企业冷轧生产控制过程的数据处理技术领域。首先通过定义数据样本对不同性能指标的偏好关系，将这种偏好关系进行量化表示，进而融入多任务深度学习预测模型进行特征计算与偏好处理，同时利用进化算法实现多任务深度学习模型的自主优化构建，提高多任务预测模型的性能。本发明提出了样本‑指标偏好的定量化计算方法，并将其应用到多任务深度学习模型构建中，提升了连退带钢质量性能多指标在线预测模型的精度，从而能够帮助冷轧生产工序提高带钢产品的质量和稳定性，提升质量管控的智能化水平。