摘要
本申请实施例提供一种冶金熔渣黏度预测方法及系统,所述方法可以在设置约束条件后,通过随机抽样获取初始样本集合。再使用预设黏度计算模型计算黏度值,以生成样本黏度值集合。再根据样本黏度值集合生成的部分依赖图构造包含子区间端点值的特征样本集合,以及基于特征样本集合获取理论值集合和真实值集合,并计算误差集合,以使用误差集合修正样本黏度值集合,生成修正样本集合。从而基于修正样本集合构建熔渣黏度预测模型,以及使用熔渣黏度预测模型预测熔渣黏度值。所述方法通过结合试验修正的理论黏度数据与机器学习建模,捕捉熔渣黏度与化合物成分、温度间的非线性关系,可提升预测精度。
技术关键词
样本
熔渣
划分算法
机器学习算法
算术平均值
冶金
端点
曲线
参数
变量
指标
特征提取模块
计算误差
预测系统
数值
训练集
理论
非线性
系统为您推荐了相关专利信息
数据平台
构建用户画像
协同过滤算法
差分隐私方法
兴趣
代谢动力学模型
多参数传感模块
补料策略
NK细胞
多通道蠕动泵
声纹识别模型
全同态加密技术
推理方法
识别声纹
加密数据
分块特征
负荷预测模型
负荷特征
样本
多时间尺度