摘要
本发明公开了一种烧结矿碱度预测方法、装置及预测模型构建方法,属于烧结矿碱度预测技术领域。本发明的模型构建方法,包括:数据采集与预处理,采集烧结矿碱度及与其相关的工艺参数时序样本数据,并将样本数据划分为训练集和测试集;构建基于正则化自组织GRU的烧结矿碱度预测模型;采用训练集数据对模型进行训练优化。本发明通过采用基于神经元灵敏度分析的结构自组织增长策略,可以实现网络规模与任务复杂度的自适应匹配;而通过基于权重离散度与预测误差变化率的自适应正则化机制,可以根据网络训练状态动态调整正则化强度,从而解决常规深度学习模型结构固化的缺陷。
技术关键词
烧结矿碱度
预测模型构建方法
预测误差
训练集数据
迁移学习策略
参数
组织
深度学习模型
数据采集模块
样本
特征选择
动态
预测装置
随机森林
定义
时序
多层次
系统为您推荐了相关专利信息
滑坡易发性评估
动态评价方法
集成机器学习
因子
机器学习模型
电渣重熔冶炼
决策优化方法
增量学习算法
元素
随机梯度下降
学习分类器
抽象语法树
Solidity智能合约
大语言模型
智能合约漏洞
导航坐标系
协方差矩阵
对准方法
概率密度函数
期望最大化算法
预测控制算法
历史运行数据
风机发电功率
灰狼算法
发电机结构