摘要
本发明公开了基于深度学习的AI智能配煤方法,本发明涉及智能配煤技术领域,解决了特征关联识别与筛选低效,模型架构场景适应性差的技术问题,本发明通过创新性地通过散点图+残差图系统区分线性与非线性关联特征,针对线性特征用皮尔逊系数、非线性特征用互信息法分层剔除冗余,既避免了传统单一统计量筛选特征的局限性,又通过复合特征生成挖掘隐性关联,使特征维度更精简、与配煤目标的关联性更直接,有效提升模型训练效率与预测精度,针对不同场景定制模型,相比现有单一模型适配全场景的做法,实现了轻量‑动态‑复杂场景的精准覆盖,大幅提升不同场景下配煤方案的适用性与优化效果。
技术关键词
配煤方法
连续特征
皮尔逊相关系数
冗余特征
保留特征
智能模型
工业分析指标
场景
加权损失函数
集散控制系统
制造执行系统
数据
配煤技术
非线性特征
设备工况
多层感知机
时序特征
滑动窗口
系统为您推荐了相关专利信息
估计方法
通道注意力机制
表面肌电信号
皮尔逊相关系数
肌电传感器
多光谱特征
多光谱点云融合
激光雷达点云数据
影像
生成方法
线控底盘系统
历史监测数据
指标
计算机执行指令
历史运行数据
磁性材料
变形监测方法
磁感应强度
序列
动态时间规整算法