摘要
本发明提供一种烧结动态知识图谱构建方法,涉及知识图谱技术领域,包括:采集实时烧结过程中的全链条数据,并进行参数分类,得到烧结目标参数及烧结过程参数;基于预设数据分析方法进行趋势性关系分析,从而建立烧结趋势影响知识图谱;基于目标配矿周期对烧结过程参数进行参数分类,并匹配对应机器学习算法,构建烧结目标参数预测模型;获取与实时配矿结构吻合度最高的第一历史数据点对应的烧结趋势影响知识图谱,同时基于烧结目标参数预测模型获取与当前生产状态吻合度最高的第二历史数据点,得到烧结量化影响知识图谱,确定实时配矿结构对应的烧结趋势及量化影响知识图谱结果。能够实现机理数据的融合,提高系统处理效率及精准度。
技术关键词
机器学习算法
动态知识图谱
参数
数据分析方法
周期
知识图谱技术
链条
指数
训练集
数据分类
关系
节点
系统为您推荐了相关专利信息
数据下载请求
可穿戴设备
驾驶员面部
模式
车辆智能驾驶
燃煤锅炉
数据分析系统
多源数据融合技术
锅炉运行参数
污染物排放分析
模型建模方法
层次结构模型
分数统计方法
样本
可视化方法
关节电机
动作捕捉设备
机器人控制技术
参数
终端设备
调优方法
时间序列预测模型
多媒体系统
参数
编码