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！

龙图腾网获悉安徽工业大学申请的专利一种基于回归应用评分的高效能自适应复杂工业参数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：CN119577695B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202411732127.2，技术领域涉及：G06F18/27；该发明授权一种基于回归应用评分的高效能自适应复杂工业参数预测方法是由余正伟;宁候银;陈良军;龙红明;王光应;章新宇;陆伟文;林双;袁溢;张家威;温京亮;韩佳欣设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种基于回归应用评分的高效能自适应复杂工业参数预测方法在说明书摘要公布了：本发明公开了一种基于回归应用评分的高效能自适应复杂工业参数预测方法，属于工业参数预测领域。本发明提出基于回归应用评分的特征筛选算法，通过整合三项关键指标：在误差在3％内的命中率、决定系数R22以及耗时评分，来综合评定每个特征的价值，进而得出回归应用评分，能够精准评估各个特征对于模型预测性能的实际贡献，实现快速而有效的特征挑选；同时提出迭代更新模型的方式，利用一段时间的数据训练模型预测后面距离较短的一段时间内的数据，定期利用新产生的数据重新训练模型预测后面一段时间的数据，解决了模型时效性难题，使其能够长期稳定的进行精准预测。

本发明授权一种基于回归应用评分的高效能自适应复杂工业参数预测方法在权利要求书中公布了：1.一种基于回归应用评分的高效能自适应复杂工业参数预测方法，其特征在于：用于对烧结点火温度参数进行预测，包括如下过程： 步骤1、数据采集和预处理：将PLC采集设备安装在待检测位置，并对采集的烧结点火数据进行预处理，以填充缺失值和去除异常值； 数据预处理的过程为：利用最近邻数据点的值对缺失值进行填充，并利用孤立森林算法对步骤1采集的烧结点火数据执行异常值检测，完成所有数据点的异常评分后，根据评分结果设置阈值以删除异常值；利用孤立森林算法删除异常值后，对数据进行深度清理，将不应值为0但出现值为0的数据样本进一步删除，此部分不应值为0的数据样本包括阀前压力值、阀后压力、煤气流量、总管前端压力及点火炉煤气流量； 步骤2、特征筛选：引入回归应用评分方法，结合误差在3%范围内的命中率、决定系数以及耗时评分的关键指标，筛选出训练模型所需的最优特征集；最优特征集包括高炉煤气调节阀开度特征、煤气总管后端压力特征、点火炉煤气流量特征、点火炉煤气调节阀开度特征、空气流量特征以及点火炉当前温度特征； 回归应用评分的计算过程为：基于误差在3%范围内的命中率、决定系数以及耗时评分的关键指标，对每个指标分别乘以其对应的权重，回归应用评分计算公式如式1所示： 其中，a、b、c分别为命中率、决定系数和耗时评分对应的权重，a+b+c=1，HitRate为误差3%内的命中率；R2为决定系数，其计算公式如式2所示；TimeScore为耗时评分，其计算公式如式3所示： 其中，为工业参数实际值，为工业参数实际平均值，为工业参数预测值，是总样本量，为删除第个特征训练模型所用的时间，为用所有特征训练模型所用的时间； 所述筛选出训练模型所需的最优特征集包括：首先利用所有特征训练模型并记录回归应用评分，并将其作为基准评分；接着，暂时删除一个特征，利用剩余特征再次训练模型并记录新的回归应用评分；如果在暂时排除某个特征后，模型的回归应用评分高于之前的基准评分，则表明排除的特征并非构建模型所必需，应将其删除；反之，如果回归应用评分低于之前的基准评分，则表明排除的特征是模型所需的重要特征，删除后会导致模型性能降低，应予以保留；通过这一流程，对所有特征进行逐一排除，最终筛选出训练模型所需的最优特征集； 步骤3、预测下一时刻烧结点火温度：使用筛选出的最优特征集合训练随机森林模型，以预测下一个时间点的烧结点火温度；以及定期利用最新数据对所述随机森林模型进行更新。

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安徽工业大学，其通讯地址为：243002 安徽省马鞍山市花山区湖东路59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。