公开(公告)号：CN110322077B

公开(公告)日：2022-08-02

申请号：CN201910619419.8

申请日：2019-07-10

Applicant: 燕山大学

Inventor： 刘刚 ,  欧阳志勇 ,  郝晓辰 ,  赵彦涛 ,  杨跃

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的水泥原料立磨生料细度指标预测方法，涉及水泥生产生料细度预测领域。本发明针对输入变量数据与预测指标之间存在的时变时延问题，采用时间序列的方法处理变量数据可以很好地解决时变时延的问题，利用构建好的卷积神经网络模型对输入数据进行多次的卷积池化操作以提取样本特征，再经过全连接层、Droupout层和输出层输出预测值，同时采用反向传播算法以提高收敛精度，然后用训练好的模型对生料细度进行实时预测。

公开(公告)号：CN110322077A

公开(公告)日：2019-10-11

申请号：CN201910619419.8

申请日：2019-07-10

Applicant: 燕山大学

Inventor： 刘刚 ,  欧阳志勇 ,  郝晓辰 ,  赵彦涛 ,  杨跃

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的水泥原料立磨生料细度指标预测方法，涉及水泥生产生料细度预测领域。本发明针对输入变量数据与预测指标之间存在的时变时延问题，采用时间序列的方法处理变量数据可以很好地解决时变时延的问题，利用构建好的卷积神经网络模型对输入数据进行多次的卷积池化操作以提取样本特征，再经过全连接层、Droupout层和输出层输出预测值，同时采用反向传播算法以提高收敛精度，然后用训练好的模型对生料细度进行实时预测。