买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京科技大学申请的专利基于宽度学习的烧结矿质量预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114330137B 。

龙图腾网通过国家知识产权局官网在2026-03-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111672099.6，技术领域涉及：G06F30/27；该发明授权基于宽度学习的烧结矿质量预测方法是由王耀祖;张建良;贺威;刘征建;马云飞;孙庆科设计研发完成，并于2021-12-31向国家知识产权局提交的专利申请。

本基于宽度学习的烧结矿质量预测方法在说明书摘要公布了：本发明提供了一种基于宽度学习的烧结矿质量预测方法，通过对历史数据预处理和关联性分析，确定与预测指标相关度高的多个因素，将其输入改进的宽度学习神经网络进行训练，利用矩阵伪逆的方式得到最优权值和偏置，并对其进行准确率测试，未达到期望值时可增加神经网络的宽度，在现有模型的基础上进行训练，直至得到最优的烧结矿质量预测模型。本发明还可以通过增量学习的方式添加新增数据，在历史数据的模型基础上进行训练，保证模型的及时更新。该方法利用历史数据和新增数据相结合的方式，提高了模型的训练速度，实现了模型的快速构建和实时更新，从而准确快速地对烧结矿性能和质量预测，为指导烧结矿的生产和优化烧结工艺提供了新的思路和方法。

本发明授权基于宽度学习的烧结矿质量预测方法在权利要求书中公布了：1.一种基于宽度学习的烧结矿质量预测方法，其特征在于，包括以下步骤： S1、数据预处理 获取烧结矿生产中的历史数据，去除所述历史数据中的大噪声和重复性数据；并对数据进行归一化处理，得到预处理后的数据； S2、确定输入参数 对步骤S1得到的所述预处理后的数据和预测指标进行关联性分析，并筛选出与所述预测指标相关度高的m个因素作为输入参数； S3、建立烧结矿质量预测模型 S31、对宽度学习神经网络进行改进，以减少神经网络的过拟合； S32、超参数初始化设置，设置增强节点或特征节点的组数，并设置每组的节点数；将与预测指标相关度高的因素的数据作为输入参数，输入至所述宽度学习神经网络进行训练，输出参数为所述预测指标的相关数据； S33、利用矩阵伪逆的方式求得所述宽度学习神经网络的最优偏置和权值；用测试集进行测试，计算准确率，并与预设的期望准确值进行比较；其大于预设的期望值时，即得到最优宽度学习的模型；其小于预设期望值时，则增加神经网络的宽度，并通过岭回归算法利用前次模型的计算结果重新计算伪逆矩阵，直至得到最优的基于宽度学习的烧结矿质量预测模型； S4、烧结矿性能预测 将待检测的数据进行归一化处理，输入所述烧结矿质量预测模型，输出参数经过反归一化，得到预测结果； 在步骤S31中，对所述宽度学习神经网络进行改进的方法包括随机添加dropout层的算法，对所述宽度学习神经网络的中间层和输入层的节点进行随机失活； 在步骤S33中，利用矩阵伪逆的方式求得所述宽度学习神经网络的最优偏置和权值的方法，包括以下步骤： S1、通过稀疏自编码器设置输入参数到映射节点的权值和偏置，并随机生成特征节点到增强节点的权值和偏置； S2、将特征节点和增强节点按矩阵的列进行矩阵拼接得到矩阵H，计算所述矩阵H的伪逆矩阵T； S3、将所述伪逆矩阵T与数据的标签相乘，即得输出节点最优的偏置和权值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京科技大学，其通讯地址为：100083 北京市海淀区学院路30号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。