CN119514379B 基于自适应数据增强的转炉炼钢终点碳温预测方法及装置 （北京科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119514379B(45)授权公告日2025.07.04

(21)申请号202411695219.8

(22)申请日2024.11.25

(65)同一申请的已公布的文献号申请公布号CN119514379A

(43)申请公布日2025.02.25

(73)专利权人北京科技大学

地址100083北京市海淀区学院路30号

(72)发明人李擎杨思琪刘艳林金辉

孙梦磊魏泽基张晓峰殷绪成黄晨谭朝王圣然唐梦兆

GO6N20/20(2019.01)

GO6N5/01(2023.01)

GO6F18/214(2023.01)

GO6F18/2413(2023.01)GO6F17/10(2006.01)

GO6F18/243(2023.01)G06F119/08(2020.01)

(56)对比文件

CN117312857A,2023.12.29

CN117495211A,2024.02.02审查员刘婷

(74)专利代理机构北京市广友专利事务所有限

责任公司11237专利代理师闫美玉张微

(51)Int.CI.

GO6F30/27(2020.01)权利要求书2页说明书15页附图7页

(54)发明名称

基于自适应数据增强的转炉炼钢终点碳温预测方法及装置

(57)摘要

CN119514379B本发明提供一种基于自适应数据增强的转炉炼钢终点碳温预测方法及装置，涉及转炉炼钢技术领域。该方法包括：对转炉炼钢过程的历史生产数据集中的数据进行预处理；通过自适应SMOTE数据增强技术对预处理后的数据集进行处理；基于随机森林搭建炼钢终点碳温预测模型；根据处理后的数据集对炼钢终点碳温预测模型进行训练，根据训练好的自适应数据增强的炼钢终点碳温预测模型得到转炉炼钢终点碳温预测结果。本发明旨在利用数据预处理方法和自适应SMOTE数据增强算法提高转炉炼钢过程数据集的样本量和多样性，去除冗余信息，减少手工整理和处理数据的劳动成本并根据数据分布密度和

CN119514379B

S1

S1

获取转炉炼钢过程的历史生产数据集，对历史生产数据集中的数据进行预处理，得到预处理后的数据集

通过自适应SMOTE数据增强技术，对预处理后的数据集进行处理，

得到处理后的数据集

基于随机森林搭建炼钢终点碳温预测模型

S4

根据处理后的数据集，对炼钢终点碳温预测模型进行训练，得到训练好的自适应数据增强的炼钢终点碳温预测模型

获取待预测的转炉炼钢过程的生产数据，将生产数据输入到训练好

的自适应数据增强的炼钢终点碳温预测模型，得到转炉炼钢终点碳温预测结果

CN119514379B权利要求书1/2页

2

1.一种基于自适应数据增强的转炉炼钢终点碳温预测方法，其特征在于，所述方法包

括：

S1、获取转炉炼钢过程的历史生产数据集，对所述历史生产数据集中的数据进行预处理，得到预处理后的数据集；

S2、通过自适应SMOTE数据增强技术，对所述预处理后的数据集进行处理，得到处理后的数据集；

S3、基于随机森林搭建炼钢终点碳温预测模型；

S4、根据所述处理后的数据集，对所述炼钢终点碳温预测模型进行训练，得到训练好的自适应数据增强的炼钢终点碳温预测模型；

S5、获取待预测的转炉炼钢过程的生产数据，将所述生产数据输入到所述训练好的自适应数据增强的炼钢终点碳温预测模型，得到转炉炼钢终点碳温预测结果；

所述S2中的通过自适应SMOTE数据增强技术，对所述预处理后的数据集进行处理，得到处理后的数据集，包括：

S21、对所述预处理后的数据集中的每个数据计算k-近邻平均距离，将所述k-近邻平均距离作为样本数据分布密度衡量指标，根据所述样本数据分布密度衡量指标将所述预处理后的数据集中的数据分为密集区域和稀疏区域，并为密集区域和稀疏区域中的每个数据计算插值权重Wi;

S22、根据所述历史生产数据集，动态地确定最优样本插值数量，基于所述最优样本插值数量采用自适应SMOTE数据增强技术，对稀疏区域和密集区域根据权重进行插值生成