一种用于铀浓缩工厂级联产品质量大数据预测的方法与流程

本发明属于铀浓缩工厂级联系统产品质量参数控制领域，具体涉及一种用于铀浓缩工厂级联产品质量大数据预测的方法。

背景技术：

1、在铀浓缩生产单位中，级联生产线的产品质量参数和级联干管压力以及环境温度息息相关，级联生产线当前运行工况、环境参数、工艺参数将影响产品丰度，并将最终决定核燃料性能指标。

2、当前产品质量通过取样分析获取，运行人员每隔24小时对级联产品进行取样分析，获取当前级联生产线的产品质量参数，并根据目标工况要求对生产线干管压力以及环境温度进行优化调整。由于取样分析周期限制，间隔时间较长，24小时间隔时间内的产品质量参数无法实时感知，难以对级联生产线进行及时的优化调整。当前铀浓缩工厂级联生产线缺少高效、快速的产品质量参数获取方法，无法为运行人员提供快速、准确的产品质量数据支持，生产线产品质量管控效果有待提升。

技术实现思路

1、本申请实施例提供了一种用于铀浓缩工厂级联产品质量大数据预测的方法，解决当前铀浓缩工厂级联生产线缺少高效、快速的产品质量参数获取方法的问题。

2、本发明的技术方案如下：

3、本申请实施例提供的一种用于铀浓缩工厂级联产品质量大数据预测的方法，所述方法包括：

4、获取大数据样本，包括：级联系统各处压力数据、温度数据及产品质量数据；

5、数据处理：处理缺失数据、去除异常数据、数据标准差归一化、划分数据集；

6、神经网络模型设计：确定输入层及输出层节点数；

7、神经网络模型初始化：初始化输入层与输出层之间的连接权重及神经元激活阈值；

8、神经网络模型训练：经过激活函数得到输出层的输出；根据损失函数，计算预测输出与真实输出之间的误差；通过优化器更新输入层与输出层之间的连接权重与神经元激活阈值；监控损失函数，损失函数不再下降时停止训练；

9、缩工厂级联生产线实时压力数据与温度数据接入训练好的神经网络模型，预测输出当前工况下的产品质量参数。

10、可选的，所述压力数据、温度数据采集自传感器；

11、压力数据包括：机组精料压力、机组贫料压力、机组供料压力；

12、温度数据包括：级联系统不同区域的空气温度和总管温度；

13、所述产品质量数据来源于取样分析结果。

14、可选的，所述处理缺失数据的方法为：用获取的数据样本的平均值填充缺失数据。

15、可选的，所述数据标准差归一化方法为z-score标准化方法，归一化后的数据式中，x为归一化之前的数据，μ为数据均值，б为数据标准差。

16、可选的，所述划分数据集的方法为：将获取大数据样本的80％划分为训练集，10％划分为验证集，10％划分为测试集。

17、可选的，所述输入层节点数根据压力数据及温度数据的特征数量确定，输入层节点数为70；所述输出层节点数根据产品质量数据特征数确定，输出层节点数为1。

18、可选的，所述权重初始化的方法为glorot_uniform和zeros；

19、所述glorot_uniform方法用于权重矩阵初始化；

20、所述zeros方法用于偏置初始化。

21、可选的，所述损失函数选择均方误差函数。

22、可选的，所述优化器为adma优化器。

23、可选的，所述方法还包括：神经网络模型评估；

24、所述神经网络模型评估指标包括：决定系数r2、调整后的决定系数adjusted r2、均方根误差rmse、平均绝对百分比误差mape、赤池信息准则aic和durbin-watson检验。

25、本发明的显著效果在于：

26、本申请实施例提供的一种用于铀浓缩工厂级联产品质量大数据预测的方法，包括获取大数据样本；数据处理及划分数据集；神经网络模型设计；神经网络模型初始化；神经网络模型训练；模型评估与应用。针对当前铀浓缩工厂级联生产线缺少高效、快速的产品质量参数获取方法的现状，通过建立该大数据预测的神经网络方法，能够根据级联生产线当前运行工况、环境参数、工艺参数，快速精准的预测级联生产线产品质量，为运行管理人员及时调整提供数据支持，提升生产线产品质量管控效果；实现了大量产品质量数据的利用，提高了数据资产价值；将产品质量参数更新周期从24小时缩短至分钟级；实现了生产线产品质量参数的实时监测，为生产线运行工况及时调整，确保产品质量稳定提供保障；产品质量参数预测准确率在98％以上。

1.一种用于铀浓缩工厂级联产品质量大数据预测的方法，其特征在于，包括：

2.根据权利要求1所述的一种用于铀浓缩工厂级联产品质量大数据预测的方法，其特征在于，所述压力数据、温度数据采集自传感器；

3.根据权利要求1所述的一种用于铀浓缩工厂级联产品质量大数据预测的方法，其特征在于，所述处理缺失数据的方法为：用获取的数据样本的平均值填充缺失数据。

4.根据权利要求1所述的一种用于铀浓缩工厂级联产品质量大数据预测的方法，其特征在于，所述数据标准差归一化方法为z-score标准化方法，归一化后的数据式中，x为归一化之前的数据，μ为数据均值，为数据标准差。

5.根据权利要求1所述的一种用于铀浓缩工厂级联产品质量大数据预测的方法，其特征在于，所述划分数据集的方法为：将获取大数据样本的80％划分为训练集，10％划分为验证集，10％划分为测试集。

6.根据权利要求1所述的一种用于铀浓缩工厂级联产品质量大数据预测的方法，其特征在于，所述输入层节点数根据压力数据及温度数据的特征数量确定，输入层节点数为70；

7.根据权利要求1所述的一种用于铀浓缩工厂级联产品质量大数据预测的方法，其特征在于，所述权重初始化的方法为glorot_uniform和zeros；

8.根据权利要求1所述的一种用于铀浓缩工厂级联产品质量大数据预测的方法，其特征在于，所述损失函数选择均方误差函数。

9.根据权利要求1所述的一种用于铀浓缩工厂级联产品质量大数据预测的方法，其特征在于，所述优化器为adma优化器。

10.根据权利要求1所述的一种用于铀浓缩工厂级联产品质量大数据预测的方法，其特征在于，还包括：神经网络模型评估；