基于机器学习的焦炭质量预测方法及系统

摘要

本发明提供了基于机器学习的焦炭质量预测方法及系统，通过结合焦炉焦炭质量预测模型对基础炼焦样本数据集合中的基础炼焦样本数据进行焦炭质量指标特征解析，输出焦炭质量指标特征簇，结合焦炭质量指标特征簇，将基础炼焦样本数据作为模型更新成员生成对应的模型更新知识导图，结合模型更新知识导图对基础炼焦样本数据的基础焦炉焦炭质量数据进行更新，输出进阶炼焦样本数据集合，结合进阶炼焦样本数据集合对焦炉焦炭质量预测模型进行参数层信息的调优和选取，从而应用于目标炼焦数据的焦炉焦炭质量预测，从而在训练过程中结合焦炭质量指标特征簇进行基础焦炉焦炭质量数据的更新后再进行模型训练，可以提高焦炉焦炭质量预测的可靠性。

说明书

技术领域

本发明涉及工业控制技术领域，具体涉及基于机器学习的焦炭质量预测方法及系统。

背景技术

随着信息科学和预测控制技术的快速发展，工业过程控制对企业信息化和模型预测控制的要求越来越高，需要控制的工业过程也日趋复杂，过程中严重的非线性和不确定性，使许多系统无法用数学模型精确描述，这样建立在数学模型基础上的传统控制方法在实际应用中遇到了许多难以逾越的障碍。

焦炭质量预测模型的开发是近年来焦化行业研究的热点课题之一，焦炭的质量预测从广义上讲，包括焦炭的灰分、硫分等化学性质指标、冷态强度指标以及热态性质指标，所建立的焦炭质量预测模型能够预测和控制焦炭质量，为优化配煤结构、降低生产成本奠定了理论基础。

如何建立具有焦炭质量预测的焦炭质量预测模型，保证焦炉焦炭质量预测的可靠性，是亟待研究的技术问题。

发明内容

(一)解决的技术问题

本发明的目的在于克服现有技术中的上述不足，本申请的目的在于提供一种结合机器学习的焦炉焦炭质量预测方法及系统。

(二)技术方案

本申请提供了，基于机器学习的焦炭质量预测方法，应用于机器学习预测系统，所述机器学习预测系统与多个炼焦配煤与炼焦工艺控制端通信连接，所述基于机器学习的焦炭质量预测方法包括：

从预设炼焦数据库中获得基础炼焦样本数据集合，所述基础炼焦样本数据集合涵盖多个信任认证的基础焦炉焦炭质量数据的基础炼焦样本数据；

结合焦炉焦炭质量预测模型对所述基础炼焦样本数据集合中的基础炼焦样本数据进行焦炭质量指标特征解析，输出焦炭质量指标特征簇；

结合所述焦炭质量指标特征簇，将所述基础炼焦样本数据作为模型更新成员生成对应的模型更新知识导图；

结合所述模型更新知识导图对所述基础炼焦样本数据的基础焦炉焦炭质量数据进行更新，输出进阶炼焦样本数据集合；

结合所述进阶炼焦样本数据集合对所述焦炉焦炭质量预测模型进行参数层信息的调优和选取，而后结合参数层信息的调优和选取后的目标焦炉焦炭质量预测模型对传送的目标炼焦数据进行焦炉焦炭质量预测。

本申请还提供了，基于机器学习的焦炭质量预测系统，包括机器学习预测系统以及与所述机器学习预测系统通信连接的多个炼焦配煤与炼焦工艺控制端；

所述机器学习预测系统，用于：

从预设炼焦数据库中获得基础炼焦样本数据集合，所述基础炼焦样本数据集合涵盖多个信任认证的基础焦炉焦炭质量数据的基础炼焦样本数据；

结合焦炉焦炭质量预测模型对所述基础炼焦样本数据集合中的基础炼焦样本数据进行焦炭质量指标特征解析，输出焦炭质量指标特征簇；

结合所述焦炭质量指标特征簇，将所述基础炼焦样本数据作为模型更新成员生成对应的模型更新知识导图；

结合所述模型更新知识导图对所述基础炼焦样本数据的基础焦炉焦炭质量数据进行更新，输出进阶炼焦样本数据集合；

结合所述进阶炼焦样本数据集合对所述焦炉焦炭质量预测模型进行参数层信息的调优和选取，而后结合参数层信息的调优和选取后的目标焦炉焦炭质量预测模型对传送的目标炼焦数据进行焦炉焦炭质量预测。

(三)有益效果

本发明通过结合焦炉焦炭质量预测模型对基础炼焦样本数据集合中的基础炼焦样本数据进行焦炭质量指标特征解析，输出焦炭质量指标特征簇，结合焦炭质量指标特征簇，将基础炼焦样本数据作为模型更新成员生成对应的模型更新知识导图，结合模型更新知识导图对基础炼焦样本数据的基础焦炉焦炭质量数据进行更新，输出进阶炼焦样本数据集合，结合进阶炼焦样本数据集合对焦炉焦炭质量预测模型进行参数层信息的调优和选取，从而应用于目标炼焦数据的焦炉焦炭质量预测，从而在训练过程中结合焦炭质量指标特征簇进行基础焦炉焦炭质量数据的更新后再进行模型训练，可以提高焦炉焦炭质量预测的可靠性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的结合机器学习的焦炉焦炭质量预测系统的应用环境示意图；

图2为本申请实施例提供的结合机器学习的焦炉焦炭质量预测方法的流程示意图；

图3为本申请实施例提供的用于实现上述的结合机器学习的焦炉焦炭质量预测方法的机器学习预测系统的结构示意框图。

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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

图1是本申请一种实施例提供的结合机器学习的焦炉焦炭质量预测系统10的应用环境示意图。结合机器学习的焦炉焦炭质量预测系统10可以包括机器学习预测系统100以及与机器学习预测系统100通信连接的炼焦配煤与炼焦工艺控制端200。图1所示的结合机器学习的焦炉焦炭质量预测系统10仅为一种可行的示例，在其它可行的实施例中，该结合机器学习的焦炉焦炭质量预测系统10也可以仅包括图1所示组成部分的其中的至少部分或者还可以包括其它的组成部分。

本实施例中，结合机器学习的焦炉焦炭质量预测系统10中的机器学习预测系统100和炼焦配煤与炼焦工艺控制端200可以通过配合执行以下方法实施例所描述的结合机器学习的焦炉焦炭质量预测方法，具体机器学习预测系统100和炼焦配煤与炼焦工艺控制端200的执行步骤部分可以参照以下方法实施例的详细描述。

本实施例提供的结合机器学习的焦炉焦炭质量预测方法可以由图1中所示的机器学习预测系统100执行，下面对该结合机器学习的焦炉焦炭质量预测方法进行详细介绍。

Node101、从预设炼焦数据库中获得基础炼焦样本数据集合。

例如，基础炼焦样本数据集合可以具有多个标注了基础焦炉焦炭质量数据的基础炼焦样本数据，基础焦炉焦炭质量数据可以为手动在基础炼焦样本数据中标注的最初的焦炉焦炭质量数据，该最初焦炉焦炭质量数据用于指示基础炼焦样本数据对应的质量数据，其中基础炼焦样本数据可以包括炼焦工艺数据，比如炼焦煤粒度、水分、堆积密度、熄焦方式、加热速率、焦炉温度和结焦时间等数据，以及还可以包括焦炉结构数据，比如炭化室高度、宽度等数据，焦炉焦炭质量数据可包括但不限于焦炭的灰分、硫分等化学性质质量数据，冷态强度质量数据以及热态性质质量数据。

Node102、结合焦炉焦炭质量预测模型对基础炼焦样本数据集合中的基础炼焦样本数据进行焦炭质量指标特征解析，输出焦炭质量指标特征簇。

例如，可以结合焦炉焦炭质量预测模型解析基础炼焦样本数据集合中每一基础炼焦样本数据的焦炭质量指标特征，输出焦炭质量指标特征簇。

Node103、结合焦炭质量指标特征簇，将基础炼焦样本数据作为模型更新成员生成对应的模型更新知识导图。

模型更新知识导图为表达模型更新成员及其关联的模型更新成员之间的关系信息的知识图谱。例如，生成模型更新知识导图可以通过下述实施例确定：

例如，可以在焦炭质量指标特征簇中，选择每一基础炼焦样本数据相应的焦炭质量指标特征，而后结合基础炼焦样本数据的焦炭质量指标特征，确定基础炼焦样本数据之间的炼焦工艺协同参数，结合炼焦工艺协同参数，在基础炼焦样本数据集合中选择基础炼焦样本数据的关联基础炼焦样本数据，输出基础炼焦样本数据的协同基础炼焦样本数据集合，结合协同基础炼焦样本数据集合，将基础炼焦样本数据作为模型更新成员生成对应的模型更新知识导图。

本实施例中，可以从预设炼焦数据库中获得基础炼焦样本数据与相应的协同基础炼焦样本数据集合中的基础炼焦样本数据之间的工艺协同信息，输出基础炼焦样本数据的工艺协同关系分布，结合工艺协同关系分布，将基础炼焦样本数据作为模型更新成员生成第一模型更新知识导图，而后对第一模型更新知识导图进行去噪，输出模型更新知识导图。

本实施例中，工艺协同关系分布可以为指示基础炼焦样本数据与协同基础炼焦样本数据集合中的基础炼焦样本数据之间的工艺协同信息等信息。其中可以在炼焦工艺协同参数中选择基础炼焦样本数据与相应的协同基础炼焦样本数据集合中的基础炼焦样本数据之间的目标炼焦工艺协同参数，对所述目标炼焦工艺协同参数进行归集，生成基础炼焦样本数据与协同基础炼焦样本数据集合中基础炼焦样本数据之间的工艺协同信息，结合工艺协同信息，生成基础炼焦样本数据的工艺协同关系分布。

本实施例中，对目标炼焦工艺协同参数进行归集，生成基础炼焦样本数据与协同基础炼焦样本数据集合中基础炼焦样本数据之间的工艺协同信息可以是对目标炼焦工艺协同参数进行汇总，输出汇总后的炼焦工艺协同参数，而后对汇总后的炼焦工艺协同参数进行整理，结合整理信息，生成基础炼焦样本数据之间的工艺协同信息。

本实施例中，结合工艺协同关系分布，将基础炼焦样本数据作为模型更新成员生成第一模型更新知识导图的方式可以是结合工艺协同关系分布，生成一个关系图谱，关系图谱中的每一个图谱成员表示两个基础炼焦样本数据之间的工艺协同信息，从而将生成的关系图谱作为第一模型更新知识导图。

在生成完第一模型更新知识导图之后，便可以对第一模型更新知识导图进行去噪，输出模型更新知识导图。

Node104、结合模型更新知识导图对基础炼焦样本数据的基础焦炉焦炭质量数据进行更新，输出进阶炼焦样本数据集合。

例如，可以将基础炼焦样本数据的基础焦炉焦炭质量数据在模型更新知识导图的模型更新成员之间进行质量指标关系变量关联，输出基础炼焦样本数据的进阶焦炉焦炭质量数据信息，结合进阶焦炉焦炭质量数据信息，对基础炼焦样本数据的基础焦炉焦炭质量数据进行更新，输出进阶炼焦样本数据集合，实施方式可以参照下述描述：

A1、将基础炼焦样本数据的基础焦炉焦炭质量数据在模型更新知识导图的模型更新成员之间进行质量指标关系变量关联，输出基础炼焦样本数据的进阶焦炉焦炭质量数据信息。

本实施例中，进阶焦炉焦炭质量数据信息可以为将基础焦炉焦炭质量数据相应的焦炉焦炭质量数据分布在模型更新知识导图中质量指标关系变量关联后的得到焦炉焦炭质量数据分布的信息。

本实施例中，将基础炼焦样本数据的基础焦炉焦炭质量数据进行质量指标关系变量关联的示例可以参见下述描述：

例如，结合基础炼焦样本数据的基础焦炉焦炭质量数据，生成基础炼焦样本数据集合相应的基础焦炉焦炭质量数据集合，结合信任开发的质量指标关系变量关联算法，将基础焦炉焦炭质量数据在模型更新知识导图的模型更新成员之间进行质量指标关系变量关联，输出基础炼焦样本数据的进阶焦炉焦炭质量数据信息，比如实施方式可以参照下述描述：

(1)结合基础炼焦样本数据的基础焦炉焦炭质量数据，生成基础炼焦样本数据集合相应的基础焦炉焦炭质量数据集合。

本实施例中，基础焦炉焦炭质量数据集合可以为将基础炼焦样本数据集合中所有的基础炼焦样本数据的基础焦炉焦炭质量数据进行结合分析得到的焦炉焦炭质量数据分布。

(2)结合信任开发的质量指标关系变量关联算法，将基础焦炉焦炭质量数据集合在模型更新知识导图的模型更新成员之间进行质量指标关系变量关联，输出基础炼焦样本数据的进阶焦炉焦炭质量数据信息。

例如，可以结合模型更新知识导图确定基础炼焦样本数据之间的炼焦生产质量指标的协同热力值，获取炼焦生产质量指标的协同热力值相应的协同节点数量，而后结合协同节点数量，对基础炼焦样本数据的基础焦炉焦炭质量数据进行映射关联，将映射关联的基础焦炉焦炭质量数据进行归集，输出基础炼焦样本数据的进阶焦炉焦炭质量数据信息。

A2、结合进阶焦炉焦炭质量数据信息，对基础炼焦样本数据的基础焦炉焦炭质量数据进行更新，输出进阶炼焦样本数据集合。

例如，在进阶焦炉焦炭质量数据信息中解析基础炼焦样本数据的进阶焦炉焦炭质量特征，结合进阶焦炉焦炭质量特征，生成基础炼焦样本数据的进阶焦炉焦炭质量数据，结合进阶焦炉焦炭质量数据，对基础炼焦样本数据的基础焦炉焦炭质量数据进行更新，输出进阶炼焦样本数据。

在确定出基础炼焦样本数据的进阶焦炉焦炭质量数据，便可以对基础炼焦样本数据的基础焦炉焦炭质量数据进行更新，输出进阶炼焦样本数据集合，更新可以是，将进阶焦炉焦炭质量数据与相应的基础炼焦样本数据的基础焦炉焦炭质量数据进行比较，当进阶焦炉焦炭质量数据与基础焦炉焦炭质量数据不匹配时，生成基础炼焦样本数据为待更新的目标基础炼焦样本数据，将目标基础炼焦样本数据的基础焦炉焦炭质量数据更新为相应的进阶焦炉焦炭质量数据，输出进阶炼焦样本数据集合。

Node105、结合进阶炼焦样本数据集合对焦炉焦炭质量预测模型进行参数层信息的调优和选取，而后结合参数层信息的调优和选取后的目标焦炉焦炭质量预测模型对传送的目标炼焦数据进行焦炉焦炭质量预测。

例如，Node105可以通过以下示例性的步骤实现。

C1、结合进阶炼焦样本数据集合对焦炉焦炭质量预测模型进行参数层信息的调优和选取。

例如，结合进阶炼焦样本数据集合中的焦炭质量指标特征和焦炉焦炭质量数据，对焦炉焦炭质量预测模型进行参数层信息的调优和选取，结合焦炉焦炭质量预测模型对进阶炼焦样本数据集合中的基础炼焦样本数据进行焦炭质量指标特征解析，结合目标焦炭质量指标特征簇，对基础炼焦样本数据的焦炉焦炭质量数据进行更新，返回执行结合进阶炼焦样本数据集合中基础炼焦样本数据的焦炭质量指标特征和焦炉焦炭质量数据，对焦炉焦炭质量预测模型进行参数层信息的调优和选取的流程，直至焦炉焦炭质量预测模型收敛，输出参数层信息的调优和选取后的目标焦炉焦炭质量预测模型。比如实施方式可以参照下述描述：

(1)结合进阶炼焦样本数据集合中基础炼焦样本数据的焦炭质量指标特征和焦炉焦炭质量数据，对焦炉焦炭质量预测模型进行参数层信息的调优和选取。

例如，可以结合进阶炼焦样本数据集合中基础炼焦样本数据的焦炉焦炭质量数据，生成基础炼焦样本数据的焦炉焦炭质量数据的第一质量预测能力指标，结合进阶炼焦样本数据集合中基础炼焦样本数据的焦炭质量指标特征，生成基础炼焦样本数据的焦炭质量指标特征的第二质量预测能力指标，将第一质量预测能力指标和所述第二质量预测能力指标进行结合分析，而后结合分析获得的目标质量预测能力指标信息对焦炉焦炭质量预测模型进行参数层信息的调优和选取。

本实施例中，生成基础炼焦样本数据的焦炉焦炭质量数据的第一质量预测能力指标，例如可以是将基础炼焦样本数据的基础焦炉焦炭质量数据与质量指标关系变量关联后的焦炉焦炭质量数据进行比较，生成焦炉焦炭质量预测模型进行焦炉焦炭质量预测的预测损失值，而后结合交叉熵损失函数进行质量预测能力指标确定，由此确定第一质量预测能力指标。

本实施例中，生成基础炼焦样本数据的焦炭质量指标特征的第二质量预测能力指标，例如可以是结合进阶炼焦样本数据集合中基础炼焦样本数据的焦炉焦炭质量数据，对基础炼焦样本数据进行聚类，输出各焦炉焦炭质量数据相应的基础炼焦样本数据聚类，结合基础炼焦样本数据聚类中基础炼焦样本数据的焦炭质量指标特征，确定基础炼焦样本数据聚类相应的目标焦炭质量指标特征，将基础炼焦样本数据的焦炭质量指标特征和基础炼焦样本数据聚类相应的目标焦炭质量指标特征进行结合分析，输出基础炼焦样本数据的焦炭质量指标特征的第二质量预测能力指标。

本实施例中，确定基础炼焦样本数据聚类相应的目标焦炭质量指标特征，例如可以是计算基础炼焦样本数据聚类中基础炼焦样本数据的焦炭质量指标特征的指标特征区分度量均值，将该指标特征区分度量均值作为基础炼焦样本数据聚类相应的目标焦炭质量指标特征。

在确定基础炼焦样本数据聚类相应的目标焦炭质量指标特征之后，便可以将基础炼焦样本数据的焦炭质量指标特征和基础炼焦样本数据聚类相应的目标焦炭质量指标特征进行结合分析，输出基础炼焦样本数据的焦炭质量指标特征的第二质量预测能力指标，结合分析可以是，结合基础炼焦样本数据的焦炭质量指标特征，确定基础炼焦样本数据聚类中基础炼焦样本数据之间的指标特征区分度量值，输出第一指标特征区分度量值，结合基础炼焦样本数据聚类相应的目标指标特征区分度量值，确定基础炼焦样本数据聚类之间的指标特征区分度量值，输出第二指标特征区分度量值，确定第一指标特征区分度量值和第二指标特征区分度量值之间的指标特征区分度量值，输出第三指标特征区分度量值，而后将第三指标特征区分度量值与预设指标映射参数进行结合分析，输出第四指标特征区分度量值，当第四指标特征区分度量值大于目标区分度量值时，确定第四指标特征区分度量值的指标特征区分度量均值，输出基础炼焦样本数据的焦炭质量指标特征的第二质量预测能力指标。

本实施例中，将第一质量预测能力指标和所述第二质量预测能力指标进行结合分析，而后结合目标质量预测能力指标对焦炉焦炭质量预测模型进行参数层信息的调优和选取，如，可以获取第一质量预测能力指标和所述第二质量预测能力指标相应的协同节点数量，结合协同节点数量，分别对第一质量预测能力指标和所述第二质量预测能力指标进行映射关联，而后将映射关联的焦炉焦炭质量数据的第一质量预测能力指标和所述第二质量预测能力指标进行结合分析，输出目标质量预测能力指标，而后结合目标质量预测能力指标对焦炉焦炭质量预测模型进行参数层信息的调优和选取，由此迭代开发焦炉焦炭质量预测模型，或者，还可以直接将第一质量预测能力指标和所述第二质量预测能力指标进行结合分析，而后结合目标质量预测能力指标，结合梯度下降算法对焦炉焦炭质量预测模型进行参数层信息的调优和选取，以迭代开发焦炉焦炭质量预测模型。

(2)结合焦炉焦炭质量预测模型对进阶炼焦样本数据集合中的基础炼焦样本数据进行焦炭质量指标特征解析，输出目标焦炭质量指标特征簇。

例如，可以结合焦炉焦炭质量预测模型的焦炭质量指标特征解析结构解析进阶炼焦样本数据集合中每一基础炼焦样本数据的焦炭质量指标特征，输出焦炭质量指标特征簇。

(3)结合目标焦炭质量指标特征簇，对基础炼焦样本数据的焦炉焦炭质量数据进行更新。

例如，可以结合目标焦炭质量指标特征簇，将基础炼焦样本数据作为模型更新成员生成目标模型更新知识导图，将基础炼焦样本数据的焦炉焦炭质量数据在目标模型更新知识导图的模型更新成员之间进行质量指标关系变量关联，输出基础炼焦样本数据的目标进阶焦炉焦炭质量数据信息，结合目标进阶焦炉焦炭质量数据信息对基础炼焦样本数据的焦炉焦炭质量数据进行更新，输出进阶炼焦样本数据集合。

(4)返回执行结合进阶炼焦样本数据集合中基础炼焦样本数据的焦炭质量指标特征和焦炉焦炭质量数据，对焦炉焦炭质量预测模型进行参数层信息的调优和选取的步骤，直至焦炉焦炭质量预测模型收敛，输出参数层信息的调优和选取后的目标焦炉焦炭质量预测模型。

例如，在对基础炼焦样本数据的焦炉焦炭质量数据进行更新之后，就可以返回结合更新基础炼焦样本数据集合中基础炼焦样本数据的焦炭质量指标特征和焦炉焦炭质量数据，对焦炉焦炭质量预测模型进行参数层信息的调优和选取的步骤，具体的参数层信息的调优和选取可以参照以上实施例。

C2、结合参数层信息的调优和选取后的目标焦炉焦炭质量预测模型对传送的目标炼焦数据进行焦炉焦炭质量预测。

例如，可以获取传送的目标炼焦数据，该传送的目标炼焦数据中具有多个目标目标炼焦数据片段，结合参数层信息的调优和选取后的目标焦炉焦炭质量预测模型的焦炭质量指标特征解析结构对传送的目标炼焦数据进行焦炭质量指标特征解析，输出目标目标炼焦数据片段的焦炭质量指标特征，结合参数层信息的调优和选取后的目标焦炉焦炭质量预测模型对焦炭质量指标特征进行焦炉焦炭质量预测，输出目标目标炼焦数据片段的焦炉焦炭质量预测信息，这里的焦炉焦炭质量预测信息可以包括目标目标炼焦数据片段所对应的灰分、硫分、冷热态强度、平均粒级等信息。

采用上述技术方案，本实施例通过结合焦炉焦炭质量预测模型对基础炼焦样本数据集合中的基础炼焦样本数据进行焦炭质量指标特征解析，输出焦炭质量指标特征簇，结合焦炭质量指标特征簇，将基础炼焦样本数据作为模型更新成员生成对应的模型更新知识导图，结合模型更新知识导图对基础炼焦样本数据的基础焦炉焦炭质量数据进行更新，输出进阶炼焦样本数据集合，结合进阶炼焦样本数据集合对焦炉焦炭质量预测模型进行参数层信息的调优和选取，从而应用于目标炼焦数据的焦炉焦炭质量预测，从而在训练过程中结合焦炭质量指标特征簇进行基础焦炉焦炭质量数据的更新后再进行模型训练，可以提高焦炉焦炭质量预测的可靠性。

本实施例中，在前述描述的基础上，在应用层面，前述实施例还可以包括以下步骤。

STP110，获取结合参数层信息的调优和选取后的目标焦炉焦炭质量预测模型对传送的目标炼焦数据进行焦炉焦炭质量预测获得的目标焦炉焦炭质量数据。

目标焦炉焦炭质量预测模型可以具有焦炉焦炭质量预测的能力，从而可以对传送的目标炼焦数据进行焦炉焦炭质量预测获得的目标焦炉焦炭质量数据。

STP120，结合所述目标焦炉焦炭质量数据生成所述目标炼焦数据相应的炼焦配煤与炼焦工艺流程的流程优化指示数据。

STP130，结合所述流程优化指示数据对所述炼焦配煤与炼焦工艺流程进行流程优化，输出流程优化信息。

STP140，结合所述流程优化信息对所述炼焦配煤与炼焦工艺流程进行二次优化，以将二次优化的炼焦配煤与炼焦工艺流程下发给炼焦配煤与炼焦工艺控制端进行工艺控制。

采用上述技术方案，本实施例通过获取结合参数层信息的调优和选取后的目标焦炉焦炭质量预测模型对传送的目标炼焦数据进行焦炉焦炭质量预测获得的目标焦炉焦炭质量数据，结合目标焦炉焦炭质量数据生成目标炼焦数据相应的炼焦配煤与炼焦工艺流程的流程优化指示数据，结合流程优化指示数据对炼焦配煤与炼焦工艺流程进行流程优化，输出流程优化信息，结合流程优化指示数据对炼焦配煤与炼焦工艺流程进行更新，以将二次优化的炼焦配煤与炼焦工艺流程下发给炼焦配煤与炼焦工艺控制端进行工艺控制。如此，能够结合分析获得的焦炉焦炭质量数据执行对应流程优化，而后针对性进行工艺控制优化。

本实施例中，针对STP130，实现方式可以参照下述实施例。

STP-s101，结合所述流程优化指示数据对所述炼焦配煤与炼焦工艺流程进行流程优化，获取所述炼焦配煤与炼焦工艺流程的流程节点在工艺执行分区内对所述炼焦配煤与炼焦工艺流程相应的流程执行任务进行任务执行获得的工艺任务执行数据集合，所述工艺任务执行数据集合包括基于当前工艺标准化流程生成的若干工艺任务执行数据。

STP-s102，遍历所述工艺任务执行数据集合中各工艺任务执行数据，在一个遍历阶段中获取一个标的工艺任务执行数据确定为选定工艺任务执行数据，而后获取所述标的工艺任务执行数据存在协同关系的一个工艺任务执行数据确定为协同工艺任务执行数据。

比如，所述工艺任务执行数据集合可以表示为：{ac.1、ac.2、ac.3、....、ac.i、....ac.n}。也即，所述工艺任务执行数据集合可以包括ac.1至ac.n等若干工艺任务执行数据。那么，首个遍历阶段中，可以将ac.1确定为选定工艺任务执行数据，ac.2作为协同工艺任务执行数据；在之后的遍历阶段中，可以将ac.2确定为选定工艺任务执行数据，将ac.3作为协同工艺任务执行数据。

再例如，所述协同工艺任务执行数据也可以是多个，比如，以各遍历阶段中包括两个协同工艺任务执行数据为例，首个遍历阶段中，可以将ac.1确定为选定工艺任务执行数据，ac.2以及ac.3作为协同工艺任务执行数据；在之后的遍历阶段中，可以将ac.2确定为选定工艺任务执行数据，将ac.3以及ac.4作为协同工艺任务执行数据。

工艺任务执行数据中包括与炼焦生产阶段的工艺任务执行数据有关的至少一个任务执行活动。

STP-s103，获取需要进行流程优化的目标炼焦生产阶段相应的流程优化属性。

本实施例中，在流程优化流程中，可以是针对一个炼焦生产阶段的工艺任务执行数据进行流程优化。

STP-s104，结合所述流程优化属性对各遍历阶段中获取的所述选定工艺任务执行数据和协同工艺任务执行数据进行炼焦质量复核，以对所述流程节点针对各所述流程执行任务的炼焦生产阶段进行任务执行的流程优化，输出流程优化信息，所述流程优化信息包括各任务执行项目对应的炼焦可靠性评估信息。

本实施例中，参见图3所示，该机器学习预测系统100可以包括：处理器101和机器可读存储介质101。其中，所述机器可读存储介质101用于存储支持该机器学习预测系统100执行上述前述任意一种实施例中提供的结合机器学习的焦炉焦炭质量预测方法的程序，所述处理器101被生成为用于执行所述机器可读存储介质101中存储的程序。

所述程序包括一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器101执行时能够实现前述任意一种实施例中的全部或部分步骤。

其中，所述机器学习预测系统100的架构中还可以包括通信单元103，用于该机器学习预测系统100与其它设备或通信网络通信(例如炼焦配煤与炼焦工艺控制端200)。

另外，本申请实施例提供了一种计算机存储介质，用于储存上述机器学习预测系统100所用的计算机软件指令，其包含用于执行上述前述任意一种方法实施例中结合机器学习的焦炉焦炭质量预测方法所涉及的程序。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。