深度学习聚类算法在炼铁高炉指标聚类中的应用

摘要：

为支撑炼铁高炉画像及对标找差应用,该文开发了一套用于炼铁高炉指标聚类的深度学习聚类算法模型,其中包括表达空间学习、低维空间聚类及最优解算法模块三部分,采用自编码器模型的神经网络结构和聚类损失函数,基于高炉生产以及经济效益等指标,将不同环境下的高炉进行聚类,既展现了高炉群体间、个体间、个体与不同群体间炉况和炼铁能力的共性,又为对标找差提供了有效途径,在很多高炉中评判出优质高炉,以及发现其他高炉与优质高炉间的差距.

关键词：高炉指标聚类、深度学习聚类、高炉画像、对标找差

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：64-67