基于元学习SAE的转炉终点碳温动态自适应预测方法

本发明公开了基于元学习SAE的转炉终点碳温动态自适应预测方法，该方法首先采用基于Wasserstein距离加权的狄利克雷过程高斯混合模型(WDPGMM)对历史炼钢数据进行聚类，自动划分出若干工况模式；然后，针对各模式的数据构建元学习堆叠自动编码器(MetaSAE)模型并进行训练，以提升模型对不同工况的泛化能力；最后，根据待测炉次的新样本的后验概率判断其所属工况模式，并利用互信息加权的JS散度从对应模式的历史数据中选择最相似的样本子集，对MetaSAE模型进行实时微调，从而实现对该新样本的钢水终点碳含量和温度的动态预测。本发明方法能够适应炼钢过程中工况多和传感器漂移所导致的数据分布变化，实现对钢水碳含量和温度的连续实时精准预测。