基于生成对抗网络的水泥熟料游离氧化钙数据的预测方法

技术特征：
1.基于生成对抗网络的水泥熟料游离氧化钙数据的预测方法，其特征在于，所述方法包括以下步骤：步骤1：根据对水泥生产工艺分析，获取与水泥熟料fcao含量相关的时间序列数据为辅助变量，将所述的n个辅助变量组成的时间序列进行归一化处理；步骤2：将归一化后的数据输入回归预测网络进行预训练，其中，回归预测网络由cnn gru构成；步骤3：根据步骤1中的水泥生产工艺流程，将所选的n个辅助变量的无标签样本数据组成的时间序列矩阵作为wgan网络中的生成器的输入；步骤4：搭建wgan网络，包含生成器和判别器，采用wasserstein距离作为判别器的损失函数；将输入生成器的无标签辅助变量与生成器输出的伪标签数据进行数据拼接，并与有标签辅助变量与真实标签数据拼接成的样本对一起输入判别器，训练wgan；步骤5：搭建ssp-wgan模型，结合wgan与回归预测网络，将wgan的生成的伪标签数据与真实标签数据混合作为回归预测网络的训练数据集，并训练；步骤6：通过训练好的回归预测网络，实现水泥熟料游离氧化钙的预测。2.根据权利要求1所述的基于生成对抗网络的水泥熟料游离氧化钙数据的预测方法，其特征在于：所述n个辅助变量的无标签相关变量的时序矩阵为：其中，n对应影响水泥熟料f-cao生产相关变量的采样频率，n代表步骤1中所选的n个影响f-cao含量的相关变量。3.根据权利要求1所述的基于生成对抗网络的水泥熟料游离氧化钙数据的预测方法，其特征在于，使用wgan实现缺失标签的填补，wasserstein距离作为损失函数，wasserstein距离定义如下：其中，p
r
为真实数据分布，p
g
为生成数据分布，h
w
为含参数w的判别器网络，在wgan中，判别器做的是近似拟合wasserstein距离，距离l可以指示训练进程，其数值越小，表示真实分布与生成分布的wasserstein距离越小，生成对抗网络训练的越好。4.根据权利要求1所述的基于生成对抗网络的水泥熟料游离氧化钙数据的预测方法，其特征在于，将wgan生成的标签用于扩充cnn gru组成的回归预测模型的训练集，cnn gru网络的训练集数据由真实数据和生成对抗网络生成的数据两部分组成，将无标签样本按照真实数据中n个变量的排列顺序作为输入，生成的伪标签数据作为输出的方式排列，其中代表水泥熟料fcao值，无标签数据与伪标签和真实样本对混合训练回归预测模型，实现水泥熟料fcao含量的预测。5.根据权利要求1所述的基于生成对抗网络的水泥熟料游离氧化钙数据的预测方法，其特征在于，所述回归预测网络的模型为：y
ja
＝σ
relu
(w
aj
*a b
aj
)，j＝1，2，
…
nu
ja
＝σ
down
(y
ja
)，j＝1，2，..nr
t
＝σ(w
r
·
[h
t-1
，u
ja
])，j＝1，2，..nc
t
＝tanh(w
c
·
[r
t
×
h
t-1
，，u
ja
])，jj＝1，2，..n
u
t
＝σ(w
u
·
[h
t-1
，u
ja
])，j＝1，2，..nh
t
＝(1-u
t
)
×
h
t-1
， u
t
×
c
t
，j＝1，2，..n其中*表示一维卷积运算，w
aj
表示第j个大小为2*1的卷积核，b
aj
表示第j个一维卷积的偏执，a为经过数据增强后输入的辅助变量矩阵，y
ja
表示第经过卷积后再通过relu激活函数激活后的结果，u
ja
代表经过最大池化操作后的低维向量，r
t
代表gru中的重置门，c
t
代表候选状态，h
t-1
，表示上一时刻的状态，w
r
和w
c
分别表示重置门权重矩阵和单元状态权重矩阵，x
t
表示经过卷积后的低维数据，u
t
代表更新门，h
t
代表当前状态，由u
t
判断需要从上一个时间节点的隐藏状态h
t-1
，中遗忘或记忆的信息。6.根据权利要求1所述的基于生成对抗网络的水泥熟料游离氧化钙数据的预测方法，其特征在于，所述wgan网络模型为：其中，x
n(i)
代表无标签辅助变量，代表生成器输出的伪标签，x
r(i)
代表有标签辅助变量，y
r，(i)
代表真实标签，d
ω
代表参数为ω的判别器网络，l
(i)
代表wgan的损失函数。

技术总结
本发明公开了基于生成对抗网络的水泥熟料游离氧化钙数据的预测方法，属于水泥烧成系统熟料游离氧化钙的预测领域，包括获取与水泥熟料fCaO含量相关的时间序列数据，将所选的辅助变量组成的时间序列进行归一化处理；将归一化后的数据输入回归预测网络进行预训练；将所选的N个辅助变量的无标签样本数据组成的时间序列矩阵作为WGAN网络中的生成器的输入；搭建WGAN网络；将输入生成器的无标签辅助变量与生成器输出的伪标签数据进行数据拼接，并与有标签辅助变量与真实标签数据拼接成的样本对一起输入判别器，训练WGAN；搭建SSP-WGAN模型，结合WGAN与回归预测网络；通过训练好的回归预测网络，实现水泥熟料游离氧化钙的准确预测。实现水泥熟料游离氧化钙的准确预测。实现水泥熟料游离氧化钙的准确预测。


技术研发人员：郝晓辰 党辉 张逸夫
受保护的技术使用者：燕山大学
技术研发日：2022.07.28
技术公布日：2022/11/11