CN109686412A - 一种用于金属平衡的数据协调处理方法及装置 - Google Patents
一种用于金属平衡的数据协调处理方法及装置 Download PDFInfo
- Publication number
- CN109686412A CN109686412A CN201811593090.4A CN201811593090A CN109686412A CN 109686412 A CN109686412 A CN 109686412A CN 201811593090 A CN201811593090 A CN 201811593090A CN 109686412 A CN109686412 A CN 109686412A
- Authority
- CN
- China
- Prior art keywords
- value
- data
- fitness function
- current iteration
- metal balance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Feedback Control In General (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种用于金属平衡的数据协调处理方法及装置,通过剔除掉金属平衡数据表中具有显著误差的数据,提高了金属平衡表中数据的准确率,并且,通过对金属平衡数据进行协调处理,并通过寻求全局最优解的方式,得到金属平衡数据的协调值,这样,不但解决了现有技术中金属平衡数据表中不平衡的问题,而且对最优解寻优时,加快了收敛速度。
Description
技术领域
本发明涉及冶炼领域,尤其涉及一种用于金属平衡的数据协调处理方法及装置。
背景技术
金属平衡是冶炼企业一项综合性技术管理工作,金属平衡反应的是入厂原矿金属含量和出厂精矿金属与尾矿中的金属含量之间的平衡关系。通常采用金属平衡表来反应金属平衡关系。金属平衡表中包含多项指标,例如包括:原矿处理量、原矿品位、出厂精矿量、精矿品位、金属含量、回收率、尾矿量和尾矿品位。金属平衡表又分为理论平衡表和实际平衡表,其中理论平衡表未考虑过程中的损失,实际平衡表是根据实际情况得到的。
但是实际平衡表在获取的过程中由于影响因素多且复杂,并且受物料计量、取样、盘点、检验分析等误差因素的影响,金属平衡表中金属平衡数据的准确率有待提高。
除此之外,由于生产工序的不同、生产工艺的不同,金属平衡表中的数据通常会出现不平衡的情况,从而影响金属元素回收率的准确率。
发明内容
有鉴于此,本发明实施例提供了一种用于金属平衡的数据协调处理方法及装置,通过剔除掉金属平衡数据表中具有显著误差的数据,提高了金属平衡表中数据的准确率,并且,通过对金属平衡数据进行协调处理,并通过寻求全局最优解的方式,得到金属平衡数据的协调值,这样,不但解决了现有技术中金属平衡数据表中不平衡的问题,而且对最优解寻优时,加快了收敛速度。
本发明实施例公开了一种用于金属平衡的数据协调处理方法,包括:
获取金属平衡表中的金属平衡数据;
对所述金属平衡数据进行显著误差分析,剔除具有显著误差的金属平衡数据;
基于剔除了显著误差的金属平衡数据建立数据协调模型;
计算数据协调模型的全局最优解,并获取所述全局最优解对应的金属平衡数据的协调值。
可选的,所述基于剔除了显著误差的金属平衡数据建立数据协调模型,包括:
获取金属平衡数据中各物料数据的测量值、金属元素在各物料内品位的测量值、各测量值的标准差;
确定协调目标并统计需要协调的元素的种类数;
基于所述各物料数据的测量值、金属元素在各物料内品位的测量值、各测量值的标准差、需要协调的元素的种类数以及协调目标,构建带约束条件的最小二乘估计的数据协调模型。
可选的,所述计算数据协调模型的全局最优解,并计算金属平衡数据的协调值,包括:
对数据协调模型进行降维;
初始化种群;所述种群中的每个个体表示所述数据协调模型中预设的第一因子;
依据所述数据协调模型的约束条件构建全局最优解的适应度函数;
对所述数据协调模型进行变异、交叉和选择操作,从而确定当前迭代次数下的最优参数值;
依据当前迭代次数下的最优参数值计算适应度函数值;
判断当前迭代次数的适应度函数值是否小于等于预设的第一阈值;
若所述当前迭代次数的适应度函数值小于等于预设的第一阈值,则得到全局最优解,获取所述全局最优解对应的金属平衡数据的协调值。
可选的,还包括:
若当前迭代次数下的适应度函数值小于预设的第一阈值,则依据当前迭代次数下的适应度函数值与上一步迭代的适应度函数值的大小,重置连续无收敛值;
计算当前迭代次数下的种群密集度;
在连续无收敛值大于预设的第二阈值,且密集度小于预设的第三阈值的情况下,保留当前迭代次数的全局最优解,并返回执行初始化种群的步骤;
在连续无收敛值小于预设的第二阈值,或者密集度大于等于预设的第三阈值的情况下,返回执行对所述数据协调模型进行变异、交叉和选择操作,从而确定当前迭代次数下的最优参数值。
可选的,所述依据当前迭代次数下的适应度函数值与上一步迭代的适应度函数值的大小,重置连续无收敛值,包括:
判断当前迭代次数下的适应度函数值是否小于上一步迭代的适应度函数值;
若当前迭代次数下的适应度函数值小于上一步迭代的适应度度函数值,则将连续无收敛值置零;
若当前迭代次数下的适应度函数值大于上一步迭代的适应度函数值,则将连续无收敛值加1。
本发明实施例还公开了一种用于金属平衡的数据协调处理装置,包括:
获取单元,用于获取金属平衡表中的金属平衡数据;
显著误差分析单元,用于对所述金属平衡数据进行显著误差分析,剔除具有显著误差的金属平衡数据;
数据协调模型构建单元,用于基于剔除了显著误差的金属平衡数据建立数据协调模型;
寻优单元,用于计算数据协调模型的全局最优解,并获取所述全局最优解对应的金属平衡数据的协调值。
可选的,所述数据协调模型构建单元,包括:
第一数据获取子单元,用于获取金属平衡数据中各物料数据的测量值、金属元素在各物料内品位的测量值、各测量值的标准差;
第二数据获取子单元,用于确定协调目标并统计需要协调的元素的种类数;
数据协调模型构建子单元,用于基于所述各物料数据的测量值、金属元素在各物料内品位的测量值、各测量值的标准差、需要协调的元素的种类数以及协调目标,构建带约束条件的最小二乘估计的数据协调模型。
可选的,所述寻优单元,包括:
降维子单元,用于对数据协调模型进行降维;
种群初始化子单元,用于初始化种群;所述种群中的每个个体表示所述数据协调模型中预设的第一因子;
适应度函数构建子单元,用于依据所述数据协调模型的约束条件构建全局最优解的适应度函数;
寻优子单元,用于对所述数据协调模型进行变异、交叉和选择操作,从而确定当前迭代次数下的最优参数值;
依据当前迭代次数下的最优参数值计算适应度函数值;
适应度函数值计算子单元,用于判断当前迭代次数的适应度函数值是否小于等于预设的第一阈值;
金属平衡数据协调值获取子单元,用于若所述当前迭代次数的适应度函数值小于等于预设的第一阈值,则得到全局最优解,获取所述全局最优解对应的金属平衡数据的协调值。
可选的,所述寻优子单元,还包括:
连续无收敛值重置子单元,用于若当前迭代次数下的适应度函数值小于预设的第一阈值,则依据当前迭代次数下的适应度函数值与上一步迭代的适应度函数值的大小,重置连续无收敛值;
种群密集度计算子单元,用于计算当前迭代次数下的种群密集度;
第一返回执行子单元,用于在连续无收敛值大于预设的第二阈值,且密集度小于预设的第三阈值的情况下,保留当前迭代次数的全局最优解,并返回执行初始化种群的步骤;
第二返回执行子单元,用于在连续无收敛值小于预设的第二阈值,或者密集度大于等于预设的第三阈值的情况下,返回执行对所述数据协调模型进行变异、交叉和选择操作,从而确定当前迭代次数下的最优参数值。
可选的,所述连续无收敛值重置子单元,包括:
第一判断子单元,用于判断当前迭代次数下的适应度函数值是否小于上一步迭代的适应度函数值;
第一重置子单元,用于若当前迭代次数下的适应度函数值小于上一步迭代的适应度度函数值,则将连续无收敛值置零;
第二重置子单元,用于若当前迭代次数下的适应度函数值大于上一步迭代的适应度函数值,则将连续无收敛值加1。
本发明实施例公开了一种用于金属平衡的数据协调处理方法及装置,通过剔除掉金属平衡数据表中具有显著误差的数据,提高了金属平衡表中数据的准确率,并且,通过对金属平衡数据进行协调处理,并通过寻求全局最优解的方式,得到金属平衡数据的协调值,这样,不但解决了现有技术中金属平衡数据表中不平衡的问题,而且对最优解寻优时,加快了收敛速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1示出了本发明实施例提供的一种用于金属平衡的数据协调处理方法的流程示意图;
图2示出了对所述数据协调模型寻优的流程示意图;
图3示出了本发明实施例提供的一种剔除显著性误差的方法的流程示意图;
图4示出了本发明实施例提供的一种用于金属平衡的数据协调处理装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参考图1,示出了本发明实施例提供的一种用于金属平衡的数据协调处理方法的流程示意图,在本实施例中,该方法包括:
S101:获取金属平衡表中的金属平衡数据;
本实施例中,金属平衡数据为实际测量的金属平衡表中的数据,金属平衡数据包含金属平衡表中的多项数据,例如可以包括:原矿处理量、原矿品位、出厂精矿量、精矿品位、金属含量、回收率、尾矿量和尾矿品位中的任意一项或者多项。
S102:对所述金属平衡数据进行显著误差分析,剔除具有显著误差的金属平衡数据;
本实施例中,金属显著误差为对金属平衡数据有显著影响的数据,可以通过显著性误差检测,检测出金属平衡数据中的显著误差。
在本实施例中,可以通过整体检测法和试凑法对金属平衡数据进行分析,从而筛选出具有显著误差的重量的测量值;通过实验得到的历史金属平衡数据对品位的测量值进行预测,从而筛选出不符合预测结果的品位的测量值,根据工艺和物料守恒定律对品位进行预测,从而筛选出不符合预测情况的品位的测量值。下文中,会对显著误差的分析进行详细的介绍,在这里就不再赘述。
S103:基于剔除了显著误差的金属平衡数据建立数据协调模型;
本实施例中,金属平衡数据可能会出现不同工序以及不同金属元素回收率不平衡的问题,为了解决上述问题,还可以对剔除了显著误差的金属平衡数据进行协调处理。
优选的,数据协调模型可以为带约束条件的最小二乘估计的数据协调模型,具体的,数据协调模型的构建方法包括:
获取金属平衡数据中各物料数据的测量值、金属元素在各物料内品位的测量值、各测量值的标准差;
确定协调目标并统计需要协调的元素的种类数;
基于所述各物料数据的测量值、金属元素在各物料内品位的测量值、各测量值的标准差、需要协调的元素的种类数以及协调目标,构建带约束条件的最小二乘估计的数据协调模型。
举例说明:可以通过如下的公式1)表示带约束条件的最小二乘估计的数据协调模型:
其中,公式1)为最小二乘估计的数据协调模型,公式2)为最小二乘估计的数据协调模型的约束条件;
其中,Xm为物料数量的测量值,为物料数量的协调值(即协调目标),n为需要协调的元素种类数,为第i种元素在各物料中品位的测量值,为第i种元素在各物料中品位的协调值(即协调目标)。
其中,对于不需要协调的物料数量或元素品位,则使或使为消除变量数量级不同对协调结果带来的影响,Qx为对应物料的方差矩阵,其由相对标准差计算而得,其中第j个物料的方差计
算公式为:qx (j)=(σx (j)·xm (j))2,其中σx (j)为第j个物料的相对标准差;为第i种元素对应品位的方差矩阵,其对应第j个物料的方差计算公式为:其中为对应第j个物料的元素i的相对标准差。
S104:计算数据协调模型的全局最优解,并获取所述全局最优解对应的金属平衡数据的协调值。
本实施例中,在对数据协调模型寻优的过程中,通过计算全局最优的方式,获取最优参数,即金属平衡数据的协调值。具体的,参考图2,S104包括:
S201:对数据协调模型进行降维;
本实施例中,由于数据协调模型的复杂度较高,例如变量维度过高或者约束条件复杂,导致求解困难,因此为了降低求解的复杂度,提高数据求解运算的效率。其中,降维方式可以包括多种,在本实施例中不进行限定。
举例说明:可以通过如下的方式对数据协调模型进行降维:
首先,将数据协调模型(公式1和公式2)转换为非向量形式并进行移项,得到公式2)和公式3):
2)
3)
其中,xm (j)为物料数量的测量值,为物料数量的协调值,n为需要协调的元素种类数,wm (i)(j)为第i种元素在各物料中品位的测量值,为第i种元素在各物料中品位的协调值。
并且,j表示第j种物料,
其对应的拉格朗日函数为公式4):
4)
其中,λul (i)、λre (i)、λxl (j)、λxu (j)、λwl (i)(j)和λwu (i)(j)均为拉格朗日乘子,当进行无名损失率稳定模式协调时,将λre (i)置零不作为变量;当进行回收率稳定模式协调时,将λul (i)置零不作为变量。
对拉格朗日函数求偏导后为公式5):
5)
其中,当该物料属性为投入或期初结存时,λ(i)=-λul (i)-λre (i),当物料属性为期末结存时,λ(i)=λul (i)+λre (i);当物料属性为产出时,λ(i)=λul (i)+λre (i)·kre (i);当物料属性为有名损失时,λ(i)=λul (i)·kul (i)。
因此,在对数据协调模型求解时,可以对λul (i)和λre (i)进行寻优,并根据约束条件,调整λxl (j)、λxu (j)、λwl (i)(j)和λwu (i)(j),从而对数据协调模型进行求解。
S202:初始化种群;所述种群中的每个个体表示所述数据协调模型中预设的第一因子;
本实施例中,假设初始化的种群为[P1,P2…Ppsize],其中,每一个个体P包含一组(j行)Lagrange乘子变量,psize表示种群大小,通过上述S201的介绍,每一个个体可以为λul (i)和λre (i)。其中,Ppise=Pj.i,i=1,2…psize;j=1,2,…N。
S203:依据所述数据协调模型的约束条件构建全局最优解的适应度函数;
举例说明:适应度函数可以表示为如下公式6):
6)
其中,gul (i)和gre (i)表示如上公式2)和公式3)中的约束条件。
S204:对所述数据协调模型进行变异、交叉和选择操作,从而确定当前迭代次数下的最优参数值;
举例说明:①变异操作:
通过如下的公式7)进行:
7)Vj,i=Gbest+F·(Pr1-Pr2),i≠r1≠r2;
其中,Pr1、pr2是两个随机的Pr,其中Pr表示种群个体,Pr1、pr2表示两个随机的种群个体。F为缩放因子,其计算公式为如下公式8)和公式9):
8)
9)F=F0·2λ;
其中,F0为进化算子,Gmax为最大迭代次数,G为当前迭代次数。
②交叉操作:通过如下的公式10)进行交叉操作:
10)
其中,r为0~1之间的随机数,CR为交叉概率,jr为1~个体维度的随机整数。
③选择操作:
通过如下的公式11)进行选择操作:
11)
S205:依据当前迭代次数下的最优参数值计算适应度函数值;
本实施例中,在计算最优解的过程中,会不断的进行迭代寻优,这样就会不断的执行变异、交叉和选择操作,每迭代一次,通过变异、交叉和选择操作,会得到最优参数值,其中,最优参数值表示协调目标的值,即各物料数量的协调值和第i种元素在各物料中品位的协调值。
将最优参数值代入到适应度函数中,得到适应度函数值,并且每迭代一次都会得到一个对应的适应度函数值。
S206:判断当前迭代次数的适应度函数值是否小于等于预设的第一阈值;
本实施例中,预设的第一阈值可以是技术人员根据经验设定的,也可以是通过计算得到的,本实施例中,不进行限定。
S207:若所述当前迭代次数下的适应度函数值小于等于预设的第一阈值,则得到全局最优解,获取所述全局最优解对应的金属平衡数据的协调值。
若当前迭代次数下的适应度函数值小于等于预设的第一阈值,则得到了全局最优解,在得到该全局最优解的过程中,也就获取到了最优的参数值,即金属平衡数据的协调值。
但是,当前迭代次数下的适应度函数值小于预设的第一阈值,仍需要重新进行寻优,具体的,还包括:
S208:若当前迭代次数下的适应度函数值小于预设的第一阈值,则依据当前迭代次数下的适应度函数值与上一步迭代的适应度函数值的大小,重置连续无收敛值;
具体的,判断当前迭代次数下的适应度函数值是否小于上一步迭代的适应度函数值;
若当前迭代次数下的适应度函数值小于上一步迭代的适应度函数值,则将连续无收敛值置零;
若当前迭代次数下的适应度函数值大于上一步迭代的适应度函数值,则将连续无收敛值加1。
S209:计算当前迭代次数下的种群密集度;
举例说明:可以通过如下的公式12)计算种群密集程度:
12)
其中,std(Pj,i)表示Pj,i的标准差,mean(Pj,i)表示Pj,i的均值。
S210:在连续无收敛值大于预设的第二阈值,且密集度小于预设的第三阈值的情况下,保留当前迭代次数的全局最优解,并返回执行S202;
S211:在连续无收敛值小于预设的第二阈值,或者密集度大于等于预设的第三阈值的情况下,返回执行依据所述数据协调模型的约束条件构建全局最优解的适应度函数。
本实施例中,通过剔除掉金属平衡数据表中具有显著误差的数据,提高了金属平衡表中数据的准确率,并且,对金属平衡数据进行协调处理,其中,在对数据协调模型寻优的过程中,考虑了全局最优个体指导信息,提高了交叉变异的指向性,加速了收敛。
参考图3,示出了本发明实施例提供的一种剔除显著性误差的方法的流程示意图,在本实施例中,该方法包括:
S301:采用整体检测法和试凑法对所述金属平衡数据中的重量进行分析,剔除具有显著误差的重量的测量值;
具体的,S301包括:
判断所述金属平衡数据中的重量的测量值是否包含显著性误差;
若包含显著性误差,通过整体检测算法筛选出具有疑似显著误差的第一目标测量值;
通过试凑法,从所述第一目标测量值中筛选出具有显著误差的第二目标测量值。
其中,对于是否包含显著性误差的判断,具体包括:
依据金属平衡数据表中所有重量的测量值计算第一目标函数值;
判断所述第一目标函数值是否小于等于预设的临界值;
若小于等于预设的临界值,表示所述金属平衡数据表中的重量的测量值中包含具有显著性误差的数值。
举例说明:第一目标函数值可以通过如下的公式13)进行计算:
13)
其中,r=AXm为约束方程残差,J=AQxAT为约束残差的方差,Xm为重量的测量值,为重量的测量值的期望值。
14)
其中,k(i)(j)为由回收率约束约化所得系数。
对于临界值的计算:确定显著性水平和自由度,并在χ2分布表中查找得到临界值。例如:假设取显著性水平α=0.1,自由度为矩阵A的秩,在χ2分布表中查找得到临界值。
其中,通过整体检测算法筛选出具有疑似显著误差的第一目标测量值的方法,具体包括:
按照预设的顺序逐个剔除任意一项重量的测量值;
每次剔除掉一项重量的测量值之后,依据剩余的重量的测量值计算第二目标函数值;
从所述第二目标函数值中筛选出符合预设条件的第二目标函数对应的重量的测量值,得到第一目标测量值。
举例说明:实施顺序剔除法时依次剔除重量的某一项测量值,则系数矩阵划分为:
15)A=[Au Ac];
方差矩阵更新为:
16)
其中u表示未被剔除的测量值集合,c表示某一被剔除的测量值,ΔQ表示被剔除测量值的方差增量。
则剔除该测量值后约束残差的方差为:
17)Jnew=AQnewAT=J+Ac(ΔQ)Ac T;
由于剔除某测量值,等同于使ΔQ→∞,则Jnew的逆矩阵为:
18)Jnew -1=J-1-J-1Ac(Ac TJ-1Ac)-1Ac TJ-1;
对应的第二目标函数值则为:
19)P(j)=rTJnewr。
本实施例中,预设的条件为:数值较小的第二目标函数值,具体的筛选过程例如可以包括:
将第二目标函数值进行升序排序;
将前N个目标函数值对应的重量的测量值作为目标测量值。也就是说,筛选出数值较小的第二目标函数值。
其中,N的个数可以是技术人员根据实际情况设置的。
其中,通过试凑法,从所述目标测量值中筛选出具有显著误差的第二目标测量值的具体方法包括:
依据至少一个第一目标测量值与所述金属平衡数据中其它金属平衡项的测量值,计算调整值;所述其它的金属平衡项为除重量之外的其它项目;
依据所述调整值计算所述第一目标测量值的第三目标函数值;
筛选出至少一个最小的第三目标函数值对应的第一目标测量,得到第二目标测量值。
本实施例中,可以包括如下的两种实施方式:
实施方式一:试凑一项第一目标测量值,其原理为依此仅调整一项重量的测量值,使回收率约束得到最大程度满足,并使约束残差最小的一项重量测量值为显著误差项。
实施方式二:试凑两项第一目标测量值,其原理为依此仅调整两项重量的测量值,使回收率约束得到最大程度满足,并使约束残差最小的两项重量测量值为显著误差项。
针对于实施方式一:
考虑回收率约束为:
20)
则约束残差为:
21)
其中p为待检测重量的测量值个数,k(i)(j)为由回收率约束约化所得系数,当调整某几项重量的测量值时,则约束残差变为:
22)rnew (i)=r(i)+∑k(i)(j)·Δx(j)·wm (i)(j)(i=1,2…n);
其中Δx(j)为第j个物料重量测量值的调整量。
试凑一项重量测量值时,约束残差变为:
23)rnew (i)=r(i)+Δx(j)·wk (i)(j)(i=1,2…n);
其中,24)wk (i)(j)=k(i)(j)·wm (i)(j);
使回收率得到最大限度满足,则设约束残差的平方和为目标函数:
25)s.t.xm (j)+Δx(j)≥0;
目标函数对Δx(j)求导,并使其等于零得:
26)
可得调整量为:
27)
若xm (j)+Δx(j)<0,使Δx(j)=-xm (j),则所得Δx(j)为使回收率约束得到最大满足时,第j个物料重量测量值的调整量,其对应的第三目标函数值为:
28)
将得到的所有第三目标函数值按照数值大小进行排序;筛选出数值最小的一项第三目标函数值对应的第一目标测量值,得到第二目标测量值。
针对于实施方式二:
试凑两项重量测量值时(只考虑两项重量测量值不为同一项的情况),约束残差变为:
29)rnew (i)=r(i)+Δx(j)·wk (i)(j)+Δx(l)·wk (i)(l)(i=1,2…n);
使回收率得到最大限度满足,则设约束残差的平方和为目标函数:
s.t.xm (j)+Δx(j)≥0
30)xm (l)+Δx(l)≥0;
目标函数对Δx(j),Δx(l)求偏导,并使其等于零得:
31)
整理得:
32)
可得调整量为:
33)
若存在xm (j)+Δx(j)<0或xm (l)+Δx(l)<0则分以下三种情况讨论。
a.仅Δx(j)触及非负约束限制,使Δx(j)=-xm (j),则:
34)
若xm (l)+Δx(l)<0,则抛弃该结果,否则计算目标函数值;
b.仅Δx(l)触及非负约束限制,使Δx(l)=-xm (l),则
35)
若xm (j)+Δx(j)<0,则抛弃该结果,否则计算目标函数值:
c.Δx(j),Δx(l)均触及非负约束限制,使Δx(j)=-xm (j),Δx(l)=-xm (l),计算目标函数值。
比较上述三种情况目标函数值(若结果未被抛弃),取使目标函数值最小的Δx(j),Δx(l),为使回收率约束得到最大满足时,第i和j个物料重量测量值的调整量,其对应的第三目标函数值为:
36)
将上述得到的所有第三目标函数值按照数值大小进行排序;筛选出数值最小的两项第三目标函数值对应的第一目标测量值,得到第二目标测量值。
其中,数值最小的两项第三目标函数值,可以在将第三目标函数进行升序排列后,排在最前方的两个第三目标函数值。
S302:根据品位的第一预测值对所述金属平衡数据中品位的测量值进行分析,剔除所述金属平衡数据中具有显著误差的品位的测量值;所述第一预测值是通过历史品位的测量值计算得到的;
本实施例中,对第一预测值的计算过程包括:
针对于品位的任意一种物料类型,从一段时间内的历史金属平衡数据中获取该物料类型的品位的多个测量值;
计算该物料类型的品位的多个测量值的均值和方差;
依据该均值和方差计算第一预测值。
本实施例中,假设计算得到的均值为μ,方差为δ,根据P(|x-μ|>3δ)≤0.003的原则计算第一上限阈值为μ+3δ,第一下限阈值为μ-3δ。
其中,第一预测值为第一上限阈值和第一下限阈值,当品位的测量值大于第一上限阈值或者小于第一下限阈值时,表示该品位的测量值是具有显著误差的。
S303:根据品位的第二预测值对所述金属平衡数据中品位的测量值进行分析,剔除所述金属平衡数据中具有显著误差的品位的测量值;所述第二预测值是依据物料守恒定律和生产工艺确定的。
本实施例中,根据物料守恒定律和生产工艺,预测出某一物料品位的测量值的第二预测值,该第二预测值可以表示为第二上限阈值和第二下限阈值。
本实施例中,通过对金属平衡数据进行显著误差分析剔除具有显著误差的金属平衡数据,这样可以得到更加准确的金属平衡表,更有利于指导技术人员的工作。
参考图4,示出了本发明实施例提供的一种用于金属平衡的数据协调处理装置的结构示意图,包括:
获取单元401,用于获取金属平衡表中的金属平衡数据;
显著误差分析单元402,用于对所述金属平衡数据进行显著误差分析,剔除具有显著误差的金属平衡数据;
数据协调模型构建单元403,用于基于剔除了显著误差的金属平衡数据建立数据协调模型;
寻优单元404,用于计算数据协调模型的全局最优解,并获取所述全局最优解对应的金属平衡数据的协调值。
可选的,所述数据协调模型构建单元,包括:
第一数据获取子单元,用于获取金属平衡数据中各物料数据的测量值、金属元素在各物料内品位的测量值、各测量值的标准差;
第二数据获取子单元,用于确定协调目标并统计需要协调的元素的种类数;
数据协调模型构建子单元,用于基于所述各物料数据的测量值、金属元素在各物料内品位的测量值、各测量值的标准差、需要协调的元素的种类数以及协调目标,构建带约束条件的最小二乘估计的数据协调模型。
可选的,所述寻优单元,包括:
降维子单元,用于对数据协调模型进行降维;
种群初始化子单元,用于初始化种群;所述种群中的每个个体表示所述数据协调模型中预设的第一因子;
适应度函数构建子单元,用于依据所述数据协调模型的约束条件构建全局最优解的适应度函数;
寻优子单元,用于对所述数据协调模型进行变异、交叉和选择操作,从而确定当前迭代次数下的最优参数值;
依据当前迭代次数下的最优参数值计算适应度函数值;
适应度函数值计算子单元,用于判断当前迭代次数的适应度函数值是否小于等于预设的第一阈值;
金属平衡数据协调值获取子单元,用于若所述当前迭代次数的适应度函数值小于等于预设的第一阈值,则得到全局最优解,获取所述全局最优解对应的金属平衡数据的协调值。
可选的,所述寻优子单元,还包括:
连续无收敛值重置子单元,用于若当前迭代次数下的适应度函数值小于预设的第一阈值,则依据当前迭代次数下的适应度函数值与上一步迭代的适应度函数值的大小,重置连续无收敛值;
种群密集度计算子单元,用于计算当前迭代次数下的种群密集度;
第一返回执行子单元,用于在连续无收敛值大于预设的第二阈值,且密集度小于预设的第三阈值的情况下,保留当前迭代次数的全局最优解,并返回执行初始化种群的步骤;
第二返回执行子单元,用于在连续无收敛值小于预设的第二阈值,或者密集度大于等于预设的第三阈值的情况下,返回执行对所述数据协调模型进行变异、交叉和选择操作,从而确定当前迭代次数下的最优参数值。
可选的,所述连续无收敛值重置子单元,包括:
第一判断子单元,用于判断当前迭代次数下的适应度函数值是否小于上一步迭代的适应度函数值;
第一重置子单元,用于若当前迭代次数下的适应度函数值小于上一步迭代的适应度度函数值,则将连续无收敛值置零;
第二重置子单元,用于若当前迭代次数下的适应度函数值大于上一步迭代的适应度函数值,则将连续无收敛值加1。
本实施例的装置,通过剔除掉金属平衡数据表中具有显著误差的数据,提高了金属平衡表中数据的准确率,并且,通过对金属平衡数据进行协调处理,并通过寻求全局最优解的方式,得到金属平衡数据的协调值,这样,不但解决了现有技术中金属平衡数据表中不平衡的问题,而且对最优解寻优时,加快了收敛速度。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种用于金属平衡的数据协调处理方法,其特征在于,包括:
获取金属平衡表中的金属平衡数据;
对所述金属平衡数据进行显著误差分析,剔除具有显著误差的金属平衡数据;
基于剔除了显著误差的金属平衡数据建立数据协调模型;
计算数据协调模型的全局最优解,并获取所述全局最优解对应的金属平衡数据的协调值。
2.根据权利要求1所述的方法,其特征在于,所述基于剔除了显著误差的金属平衡数据建立数据协调模型,包括:
获取金属平衡数据中各物料数据的测量值、金属元素在各物料内品位的测量值、各测量值的标准差;
确定协调目标并统计需要协调的元素的种类数;
基于所述各物料数据的测量值、金属元素在各物料内品位的测量值、各测量值的标准差、需要协调的元素的种类数以及协调目标,构建带约束条件的最小二乘估计的数据协调模型。
3.根据权利要求1所述的方法,其特征在于,所述计算数据协调模型的全局最优解,并计算金属平衡数据的协调值,包括:
对数据协调模型进行降维;
初始化种群;所述种群中的每个个体表示所述数据协调模型中预设的第一因子;
依据所述数据协调模型的约束条件构建全局最优解的适应度函数;
对所述数据协调模型进行变异、交叉和选择操作,从而确定当前迭代次数下的最优参数值;
依据当前迭代次数下的最优参数值计算适应度函数值;
判断当前迭代次数的适应度函数值是否小于等于预设的第一阈值;
若所述当前迭代次数的适应度函数值小于等于预设的第一阈值,则得到全局最优解,获取所述全局最优解对应的金属平衡数据的协调值。
4.根据权利要求3所述的方法,其特征在于,还包括:
若当前迭代次数下的适应度函数值小于预设的第一阈值,则依据当前迭代次数下的适应度函数值与上一步迭代的适应度函数值的大小,重置连续无收敛值;
计算当前迭代次数下的种群密集度;
在连续无收敛值大于预设的第二阈值,且密集度小于预设的第三阈值的情况下,保留当前迭代次数的全局最优解,并返回执行初始化种群的步骤;
在连续无收敛值小于预设的第二阈值,或者密集度大于等于预设的第三阈值的情况下,返回执行对所述数据协调模型进行变异、交叉和选择操作,从而确定当前迭代次数下的最优参数值。
5.根据权利要求4所述的方法,其特征在于,所述依据当前迭代次数下的适应度函数值与上一步迭代的适应度函数值的大小,重置连续无收敛值,包括:
判断当前迭代次数下的适应度函数值是否小于上一步迭代的适应度函数值;
若当前迭代次数下的适应度函数值小于上一步迭代的适应度度函数值,则将连续无收敛值置零;
若当前迭代次数下的适应度函数值大于上一步迭代的适应度函数值,则将连续无收敛值加1。
6.一种用于金属平衡的数据协调处理装置,其特征在于,包括:
获取单元,用于获取金属平衡表中的金属平衡数据;
显著误差分析单元,用于对所述金属平衡数据进行显著误差分析,剔除具有显著误差的金属平衡数据;
数据协调模型构建单元,用于基于剔除了显著误差的金属平衡数据建立数据协调模型;
寻优单元,用于计算数据协调模型的全局最优解,并获取所述全局最优解对应的金属平衡数据的协调值。
7.根据权利要求6所述的装置,其特征在于,所述数据协调模型构建单元,包括:
第一数据获取子单元,用于获取金属平衡数据中各物料数据的测量值、金属元素在各物料内品位的测量值、各测量值的标准差;
第二数据获取子单元,用于确定协调目标并统计需要协调的元素的种类数;
数据协调模型构建子单元,用于基于所述各物料数据的测量值、金属元素在各物料内品位的测量值、各测量值的标准差、需要协调的元素的种类数以及协调目标,构建带约束条件的最小二乘估计的数据协调模型。
8.根据权利要求6所述的装置,其特征在于,所述寻优单元,包括:
降维子单元,用于对数据协调模型进行降维;
种群初始化子单元,用于初始化种群;所述种群中的每个个体表示所述数据协调模型中预设的第一因子;
适应度函数构建子单元,用于依据所述数据协调模型的约束条件构建全局最优解的适应度函数;
寻优子单元,用于对所述数据协调模型进行变异、交叉和选择操作,从而确定当前迭代次数下的最优参数值;
依据当前迭代次数下的最优参数值计算适应度函数值;
适应度函数值计算子单元,用于判断当前迭代次数的适应度函数值是否小于等于预设的第一阈值;
金属平衡数据协调值获取子单元,用于若所述当前迭代次数的适应度函数值小于等于预设的第一阈值,则得到全局最优解,获取所述全局最优解对应的金属平衡数据的协调值。
9.根据权利要求8所述的装置,其特征在于,所述寻优子单元,还包括:
连续无收敛值重置子单元,用于若当前迭代次数下的适应度函数值小于预设的第一阈值,则依据当前迭代次数下的适应度函数值与上一步迭代的适应度函数值的大小,重置连续无收敛值;
种群密集度计算子单元,用于计算当前迭代次数下的种群密集度;
第一返回执行子单元,用于在连续无收敛值大于预设的第二阈值,且密集度小于预设的第三阈值的情况下,保留当前迭代次数的全局最优解,并返回执行初始化种群的步骤;
第二返回执行子单元,用于在连续无收敛值小于预设的第二阈值,或者密集度大于等于预设的第三阈值的情况下,返回执行对所述数据协调模型进行变异、交叉和选择操作,从而确定当前迭代次数下的最优参数值。
10.根据权利要求9所述的装置,其特征在于,所述连续无收敛值重置子单元,包括:
第一判断子单元,用于判断当前迭代次数下的适应度函数值是否小于上一步迭代的适应度函数值;
第一重置子单元,用于若当前迭代次数下的适应度函数值小于上一步迭代的适应度度函数值,则将连续无收敛值置零;
第二重置子单元,用于若当前迭代次数下的适应度函数值大于上一步迭代的适应度函数值,则将连续无收敛值加1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811593090.4A CN109686412B (zh) | 2018-12-25 | 2018-12-25 | 一种用于金属平衡的数据协调处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811593090.4A CN109686412B (zh) | 2018-12-25 | 2018-12-25 | 一种用于金属平衡的数据协调处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109686412A true CN109686412A (zh) | 2019-04-26 |
CN109686412B CN109686412B (zh) | 2023-05-26 |
Family
ID=66189422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811593090.4A Active CN109686412B (zh) | 2018-12-25 | 2018-12-25 | 一种用于金属平衡的数据协调处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109686412B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112734166A (zh) * | 2020-12-20 | 2021-04-30 | 大连理工大学人工智能大连研究院 | 一种铜业数据鲁棒协调及显著误差检测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020060570A1 (en) * | 2000-07-20 | 2002-05-23 | Ichiro Shirasaka | Borehole survey method utilizing continuous measurements |
CN101714131A (zh) * | 2009-09-04 | 2010-05-26 | 江西铜业股份有限公司 | 一种实现冶金平衡计算的方法及装置 |
CN102486390A (zh) * | 2010-12-05 | 2012-06-06 | 中国科学院沈阳自动化研究所 | 一种适用于钢铁企业蒸汽管网计量数据校正的方法 |
CN104503396A (zh) * | 2014-12-03 | 2015-04-08 | 金川集团股份有限公司 | 一种多金属平衡产率的算法 |
CN105243458A (zh) * | 2015-11-10 | 2016-01-13 | 河海大学 | 一种基于多目标混合蛙跳差分算法的水库调度方法 |
CN105783794A (zh) * | 2016-03-22 | 2016-07-20 | 阳谷祥光铜业有限公司 | 一种平面检测方法及设备 |
CN106199241A (zh) * | 2016-06-24 | 2016-12-07 | 清华大学 | 一种基于数据协调及假设检验的电站系统多故障诊断方法 |
CN107016461A (zh) * | 2017-03-31 | 2017-08-04 | 北京科技大学 | 一种混合多目标进化方法 |
CN107305372A (zh) * | 2016-04-25 | 2017-10-31 | 韩磊 | 云计算网络架构的远程监控的电动汽车能源监控和更换网 |
CN108519957A (zh) * | 2018-02-10 | 2018-09-11 | 大连智慧海洋软件有限公司 | 一种基于加速广义既约梯度的数据协调方法 |
-
2018
- 2018-12-25 CN CN201811593090.4A patent/CN109686412B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020060570A1 (en) * | 2000-07-20 | 2002-05-23 | Ichiro Shirasaka | Borehole survey method utilizing continuous measurements |
CN101714131A (zh) * | 2009-09-04 | 2010-05-26 | 江西铜业股份有限公司 | 一种实现冶金平衡计算的方法及装置 |
CN102486390A (zh) * | 2010-12-05 | 2012-06-06 | 中国科学院沈阳自动化研究所 | 一种适用于钢铁企业蒸汽管网计量数据校正的方法 |
CN104503396A (zh) * | 2014-12-03 | 2015-04-08 | 金川集团股份有限公司 | 一种多金属平衡产率的算法 |
CN105243458A (zh) * | 2015-11-10 | 2016-01-13 | 河海大学 | 一种基于多目标混合蛙跳差分算法的水库调度方法 |
CN105783794A (zh) * | 2016-03-22 | 2016-07-20 | 阳谷祥光铜业有限公司 | 一种平面检测方法及设备 |
CN107305372A (zh) * | 2016-04-25 | 2017-10-31 | 韩磊 | 云计算网络架构的远程监控的电动汽车能源监控和更换网 |
CN106199241A (zh) * | 2016-06-24 | 2016-12-07 | 清华大学 | 一种基于数据协调及假设检验的电站系统多故障诊断方法 |
CN107016461A (zh) * | 2017-03-31 | 2017-08-04 | 北京科技大学 | 一种混合多目标进化方法 |
CN108519957A (zh) * | 2018-02-10 | 2018-09-11 | 大连智慧海洋软件有限公司 | 一种基于加速广义既约梯度的数据协调方法 |
Non-Patent Citations (1)
Title |
---|
周卫庆等: "一种热工过程数据协调与显著误差检测同步处理方法", 《中国电机工程学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112734166A (zh) * | 2020-12-20 | 2021-04-30 | 大连理工大学人工智能大连研究院 | 一种铜业数据鲁棒协调及显著误差检测方法 |
CN112734166B (zh) * | 2020-12-20 | 2024-05-03 | 大连理工大学人工智能大连研究院 | 一种铜业数据鲁棒协调及显著误差检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109686412B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109118013A (zh) | 一种基于神经网络的经营数据预测方法、可读存储介质和预测系统 | |
CN104376434B (zh) | 卷烟多点加工质量的综合评价方法 | |
CN101382801B (zh) | 基于ega优化的丙烯聚合生产过程最优软测量仪表及方法 | |
CN105929690B (zh) | 一种基于分解多目标进化算法的柔性车间鲁棒调度方法 | |
CN111883223B (zh) | 患者样本数据中结构变异的报告解读方法及系统 | |
CN108399287A (zh) | 采用模糊层次分析的机床横梁设计方案的评估方法 | |
CN107945534A (zh) | 一种基于gmdh神经网络的交通车流量预测方法 | |
CN109686412A (zh) | 一种用于金属平衡的数据协调处理方法及装置 | |
Qi et al. | An adaptive penalty-based boundary intersection method for many-objective optimization problem | |
CN116127695A (zh) | 一种基于综合性能评价的生产线构建方法及系统 | |
KR100865157B1 (ko) | 연구개발결과의 정량적 평가시스템 및 방법 | |
CN110046934A (zh) | 一种基于数据挖掘的闲置衣物估值系统及方法 | |
CN110189035A (zh) | 一种基于k均值聚类与knn算法的内幕交易识别方法 | |
CN109117985A (zh) | 一种基于矩阵与遗传算法的管网压力监测点优化布置方法 | |
CN110196797B (zh) | 适于信用评分卡系统的自动优化方法和系统 | |
CN109978406A (zh) | 一种证券下行风险评估诊断的方法及系统 | |
CN110597990A (zh) | 一种基于智能分类的财务分析方法和系统 | |
CN108038055A (zh) | 一种有效数据处理的软件缺陷检测方法 | |
CN109686399A (zh) | 一种基因数据集整合分析方法 | |
CN108961071A (zh) | 自动预测组合业务收益的方法及终端设备 | |
CN109829197A (zh) | 改进的布谷鸟寻优的丙烯聚合生产过程最优软测量仪表 | |
CN109684605A (zh) | 一种用于金属平衡的数据误差处理方法及装置 | |
CN111898807B (zh) | 一种基于全基因组选择烟叶产量预测方法及应用 | |
CN114861800A (zh) | 模型训练方法、概率确定方法、装置、设备、介质及产品 | |
CN105488521B (zh) | 一种基于核函数的扩容样本筛选方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |