基于FO-FTTransformer深度网络的冶金过程终点质量预测方法

一种基于FO‑FTTransformer深度网络的冶金过程终点质量预测方法，采集转炉冶炼过程历史生产数据；基于转炉冶金机理与专家经验，结合随机森林算法进行变量选择；数据预处理及样本数据集的构建；采用并行的TE block和NE block构建FO‑FT Block；对传统FT‑Transformer进行编码层重构和解码层替换得到改进的Transformer；构建适用于冶金过程终点质量预测的初始预测模型，并进行训练得到冶金过程终点质量预测模型；收集钢铁冶金报表作为输入数据，进行预测，并输出预测结果。该方法精准适配转炉炼钢过程的预测需求，能实现转炉终点温度与质量成分的高精度预测。