公开(公告)号：CN118863901A

公开(公告)日：2024-10-29

申请号：CN202410108922.8

申请日：2024-01-25

Applicant: 上海宝信软件股份有限公司

Inventor： 陈昕昊 ,  张伟 ,  徐宗云

IPC: G06Q30/018 ,  G06Q50/04 ,  G06Q50/26 ,  G06F18/214 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于深度学习的钢铁生产排放污染物工艺根因追溯方法和系统，包括：步骤S1：采集数据，并进行对齐，得到对齐后的数据；步骤S2：基于对齐后的数据，进行预处理，得到训练数据集和测试数据集；步骤S3：基于训练数据集，建立因果图模型，并进行因果图模型训练；步骤S4：基于测试数据集，对因果图模型进行评估；步骤S5：对因果图模型进行系统部署，令因果图模型启动自学习过程，推断并提示污染排放物异常事件。本发明能够发现导致不同异常污染物排放事件的生产工艺层面的原因以及指标，进而重点监控、优化、控制此部分指标，提供及时的预报预警，减少环保事故的发生概率。

公开(公告)号：CN119476571A

公开(公告)日：2025-02-18

申请号：CN202411453452.5

申请日：2024-10-17

Applicant: 上海宝信软件股份有限公司

Inventor： 张洪 ,  高培军 ,  陈昕昊 ,  蒋波 ,  高登 ,  尹连三 ,  徐立

IPC: G06Q10/04 ,  G06Q50/04 ,  G06N3/0455 ,  G06N3/08 ,  G06Q30/0201

Abstract: 本发明提供了一种钢铁生产成本预警预测的时间序列预测方法，包括：步骤S1：采集建模数据，对齐所述建模数据，得到待处理数据集；步骤S2：判断所述待处理数据集的变量是否符合阈值范围；结果为是，则按照时间排序，得到训练集与测试集，进而训练基线模型；结果为否，则标记为异常数据，进行修正；步骤S3：基于训练集，训练模型，得到训练后的模型；步骤S4：计算测试集的数据，得到最终预测数据。本发明借助Transformer架构和时间序列预测模型，与传统的时间序列模型，例如ARIMA、LSTM的固定模型结构，而是通过组合不同的模块来适应多样化的数据特性，并且融合了Transformer架构的的自注意力机制、循环神经网络的时序处理能力，提高了模型的预测准确性和稳定性。