基于领域知识表征方法的神经网络模型在炼焦质量预测中的应用

吴宇航 阎少宏

【摘要】通常神经网络的运用是仅在数据驱动机制下的训练和泛化.而运用领域知识对神经网络的输出进行分析能弥补模型结果指向性不明确或解释性不准确的缺点，能加速逼近搜索，提高质量预测的效果.通过对比前向网络和基于领域知识的前向网络的预测误差发现基于领域知识的前向网络的预测结果更好.在不同的焦炭质量参数上看，M25的预测效果最好，前向网络和基于领域知识的前向网络平均预测误差分别为3.20%和2.12%；而CRI的预测效果最差，平均误差分别为6.36%和3.35%.

【关键词】领域知识；神经网络；质量预测

一、引 言

针对优质炼焦煤资源相对匮乏的现象产生了混合配煤炼焦方法，混煤参数与焦炭性质指标之间呈非线性关系，这种关系是由炼焦环境、工艺及化学反应的固有属性决定的，无法简单地用函数来精确描述[1].神经网络模型能避免系统特征指标与因变量之间的函数描述，可根据记忆和特征提取得到输入输出量之间的关系，具备可泛化性、分布式知识存储、联系记忆及并行处理的特点，十分适用于炼焦系统的焦炭质量预测问题[3].

二、领域知识概述及符号表示形态

“领域知识”一词来源于人工智能领域，由Maja DHondt等人于1999年提出，领域知识是指在某一领域内的概念、概念之间相互关系以及有关概念约束的集合[3].

神经网络的学习方法通过大量样本归纳规律，要求有足够的训练样本，不需要相关领域知识[4].而充分利用领域知识将会获得不错的结果，但要求相关领域是完备且可靠的.在炼焦领域的具体应用是将混合煤与焦炭质量各指标间的关系以分级形式给出，并将已有配煤炼焦知识提取成數据结构符号，具体表示形式如图1所示[5，6].将结构映射成网络结构，考虑到规则的不完全特性，故人工进行添加节点或增强必要的联系.炼焦领域扩充后的网络结构如图2所示.

四、仿真结果及分析

利用经过预处理的115组清洁数据，从数据集中随机选取105组混合煤煤质参数及相对应的焦炭质量参数作为输入和输出样本用于训练基于领域知识的前向神经网络和基于领域知识的前向神经网络，在此，两类神经网络的传递函数均取tansig和logsig，隐层节点设置为14，精度设置为0.01，最终得到的误差曲线如图3和图4所示.

由图可以看出，两类神经网络的训练、验证和测试结果都能基本保持一致性.但基于领域知识的前向神经网络在迭代次数仅为前向神经网络一半的情况下，验证性能便达到了0.015，明显优于前向神经网络的验证性能0.066.两类神经网络模型预测的误差整体都较小，精度均较高.求解两类神经网络模型的六类焦炭质量参数预测误差值，对比结果如图5所示.

由图5可得知前向网络和基于领域知识的前向网络整体的预测效果较好，预测误差都控制在10%之内，且基于领域知识的前向网络的大部分预测结果好于前向网络：在预测Ad和CSR时，显示基于领域知识的前向网络的预测结果略好于前向网络；预测St，d、M10和CRI时基于领域知识的前向网络的平均预测误差仅为3.38%、2.00%和3.35%，明显小于前向网络的5.8%、5.00%和6.36%；而在M25的预测中基于领域知识的前向网络的10组数据的预测效果均优于前向网络.

五、结束语

本文建立了基于领域知识的神经网络模型来进行焦炭质量预测，实验结果显示引入领域知识的网络结构的预测误差均控制在10%之内，且对于St，d、M10和CRI的平均预测误差明显优于传统前向神经网络.该模型充分利用了确定形式信息与无法表示成确定形式的样本实例，弥补了仅依靠网络预测时结果解释能力差的缺点.

【参考文献】

[1]姜静，宫春晖.神经网络在焦炭质量预测模型中的应用[J].沈阳理工大学学报，2013（2）：25-27，32.

[2]赵树果，单晓云，陈少敏，宋焕虎.人工神经网络在炼焦配煤质量预测模型中的应用[J].中国煤炭，2006（7）：52-54.

[3]DHONDT M，DHONDT T.Is Domain Knowledge an Aspect？[C].The Workshop on Object-Oriented Technology.London：Springer-Verlag，1999：293-294.

[4]黄永辉.基于神经网络的智能算法在焦炭质量预测中的应用[D].沈阳：沈阳理工大学，2014.

[5]CHELGANI S C，MATIN S S，HOWER J C.Explaining relationships between coke quality index and coal properties by Random Forest method[J].Fuel，2016（182）：754-760.

[6]LVAREZ R，DEZ M A，BARRIOCANAL C，et al.An approach to blast furnace coke quality prediction[J].Fuel，2007（14）：2159-2166.

[7]陶培生.配煤技术在提高冶金焦性能及控制焦炭成本中的应用[D].上海：华东理工大学，2014.