基于机器学习的多周期炼焦智能配料优化方法及系统

本发明提供了一种基于机器学习的多周期炼焦智能配料优化方法及系统，包括：获取和管理炼焦单种煤初始数据，所述初始数据包括期初库存数据、资源到厂计划、资源接续计划、配料约束配置、炼焦单种煤属性的基础数据；对所述初始数据进行预处理后使用预训练的机器学习模型预测焦炭主要质量指标；在特定时间周期内进行动态库存管理；建立多类决策变量的混合整数非线性规划模型，并设定多重约束条件，构建成本最小化或质量最大化的目标函数；采用混合整数非线性规划模型求解优化模型。本发明通过集成机器学习模型(特征标准化+特征降维+预测模型)，提高了焦炭质量指标的预测命中率。