3、工业炼钢中钢坯温度预测与用户请求分类技术解析

工业炼钢中钢坯温度预测与用户请求分类技术解析

在工业生产和软件开发领域，数据处理与预测分类是关键环节。本文将围绕工业炼钢中钢坯温度预测模型以及用户请求分类方法展开详细探讨。

1. 工业炼钢中钢坯温度预测

在工业炼钢过程里，钢坯的出钢温度是一个关键指标。其在热轧过程中的最佳温度范围为 1180 - 1250 °C，控制在此范围内有助于提升钢材质量、降低能耗并提高工厂生产率。然而，由于加热炉高温环境以及钢坯厚度的影响，实时在线测量钢坯出钢温度是一个难题。

1.1 现有研究情况

过往研究在工业过程预测与控制方面有诸多探索。部分研究者结合传统统计模型和神经网络，显著提升了预测效果与准确性。例如，Undey 等人开发了集成在线多元统计过程监测方法，用于大规模生产过程的在线性能监测和实时产品质量预测；Ge 等人结合主成分分析和高斯过程回归，提出 CLGPR 用于聚丙烯生产过程的质量预测。还有一些研究者聚焦于过程工业数据的多维特性，开发特征提取和参数选择方法，但这些方法大多只能提取部分选定过程参数的特征，无法自动识别和提取重要参数。

1.2 PS - AENN 模型介绍

为解决上述问题，提出了基于全连接神经网络可解释性的参数选择自动编码器神经网络预测器（PS - AENN）。该模型结合过程工业数据的多维特性，先引入神经网络可解释性方案识别重要过程参数，再通过自动编码器进行特征提取，最后进行预测。

• 参数选择器 ：其主要原理是在准确预测的条件下，依据权重信息找到权重最重要的路径，此路径对最终预测结果贡献最大。通过找到该路径，确定输入过程参数的权重顺序，实现重要