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！

龙图腾网获悉东北大学申请的专利一种基于主动学习采样的热轧钢三维尺寸多指标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：CN120562275B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202510654597.X，技术领域涉及：G06F30/27；该发明授权一种基于主动学习采样的热轧钢三维尺寸多指标预测方法是由丁成砚;董捷;李雪梦;覃业辉;贾攀;钟佳芮;孙杰;彭文;张殿华设计研发完成，并于2025-05-21向国家知识产权局提交的专利申请。

本一种基于主动学习采样的热轧钢三维尺寸多指标预测方法在说明书摘要公布了：本发明公开一种基于主动学习采样的热轧钢三维尺寸多指标预测方法，包括：采集热轧过程数据和热轧产品三维尺寸数据，构建原始数据集，从原始数据集中随机选取80％数据作为训练集，剩余20％数据作为测试集；通过多样性、不确定性及剪枝策略从训练集中进行主动学习采样，获得主动学习采样集；基于主动学习采样集，采用多输出类别型梯度提升算法构建热轧钢三维尺寸多指标预测模型；基于测试集，采用决定系数和均方根误差来评价热轧钢三维尺寸多指标预测模型的性能；采集轧制现场的热轧过程数据，采用训练好的热轧钢三维尺寸多指标预测模型预测轧制现场的热轧产品三维尺寸数据。本发明方法弥补了传统方法的缺陷，提升了热轧钢三维尺寸的预测精度。

本发明授权一种基于主动学习采样的热轧钢三维尺寸多指标预测方法在权利要求书中公布了：1.一种基于主动学习采样的热轧钢三维尺寸多指标预测方法，其特征在于，包括： 步骤1：采集热轧过程数据和热轧产品三维尺寸数据，并构建原始数据集；从原始数据集中随机选取80%数据作为训练集，剩余20%数据作为测试集； 步骤2：通过多样性、不确定性以及剪枝策略从训练集中进行主动学习采样，获得主动学习采样集； 步骤3：基于主动学习采样集，采用多输出类别型梯度提升算法构建热轧钢三维尺寸多指标预测模型； 步骤4：基于测试集，采用决定系数和均方根误差来评价基于主动学习采样集建立的热轧钢三维尺寸多指标预测模型的性能； 步骤5：采集轧制现场的热轧过程数据，采用训练好的热轧钢三维尺寸多指标预测模型预测轧制现场的热轧产品三维尺寸数据； 所述步骤2具体为： 步骤2.1：通过多样性进行样本筛选，在训练集中随机选择100个样本作为已标记样本放入候选样本集，然后计算训练集中未标记样本与所有已标记样本的最小距离，并将未标记的样本由大到小进行排序，选择排名前5%的样本放入候选样本集，确保所选样本稀疏地分布在整个训练集的数据空间，计算公式如下： 其中，为已标记样本，为未标记样本，为和之间的欧氏距离； 步骤2.2：基于多样性筛选出的候选样本进行预训练，通过多输出类别型梯度提升算法构建预训练模型，而后计算训练集中剩余样本的不确定性，公式如下： 其中，为训练集中剩余样本中的某一样本，为样本对应的热轧产品三维尺寸数据的真实值，为通过预训练模型获得的热轧产品三维尺寸数据的预测值； 步骤2.3：将训练集中剩余样本的不确定性由大到小进行排序，选择排名前50%的样本放入候选样本集； 步骤2.4：通过剪枝策略，删除候选样本集中的冗余样本，所述剪枝策略具体为：如果一个样本与其它样本的欧氏距离小于相似性阈值，则该样本被判定为冗余样本； 步骤2.5：重复步骤2.4，直到没有冗余样本被删除，将候选样本集中剩余样本作为最终的主动学习采样集； 所述步骤3具体为： 步骤3.1：基于决定系数构建参数寻优的适应度函数： 其中，为第j个热轧产品三维尺寸数据的决定系数，为热轧产品三维尺寸数据的数量； 步骤3.2：基于参数寻优的适应度函数，采用交叉验证法和混沌人工蜂鸟算法确定相似性阈值以及多输出类别型梯度提升算法的超参数； 步骤3.3：将最优的相似性阈值带入步骤2的主动学习采样过程，将最优超参数带入多输出类别型梯度提升算法，确保预测模型具有最优的预测性能； 步骤3.4：构建热轧钢三维尺寸多指标预测模型。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三号巷11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。