一种聚烯烃熔融指数的预测方法、装置、设备及存储介质

本申请涉及自动化，尤其涉及一种聚烯烃熔融指数的预测方法、装置、设备及存储介质。

背景技术：

1、聚烯烃的熔融指数是评估聚烯烃材料在特定条件下熔融流动性的重要指标，通常以熔融状态下特定时间内通过标准模具的聚烯烃质量来表示，其对优化聚烯烃生产过程、提高产品质量至关重要。

2、但是，传统的聚烯烃熔融指数通常通过熔融指数仪等在线测量设备，在熔融挤出加工位置进行检测。由于设备安装位置和检测原理的限制，现有技术测量熔融指数存在滞后性，无法实时监测聚合反应器出口的实际熔融指数，导致熔融指数的预测准确性较低。

技术实现思路

1、本发明提供一种聚烯烃熔融指数的预测方法、装置、设备和存储介质，用以提高聚烯烃熔融指数的预测准确性。

2、第一方面，本申请提供了一种聚烯烃熔融指数的预测方法，所述方法包括：

3、获取待预测聚烯烃的聚合参数集，并将所述聚合参数集输入至已训练的指数预测模型；

4、获得所述指数预测模型输出的聚烯烃熔融指数的目标预测值；

5、其中，所述指数预测模型是基于对有标签样本集和无标签样本集进行自监督学习处理，获得自监督样本集，并基于半监督学习对所述自监督样本集进行模型训练获得的；每一有标签样本集包括多个聚烯烃的样本聚合参数和相应的样本熔融指数，每一无标签样本集包括多个聚烯烃的样本聚合参数。

6、第二方面，本申请提供了一种聚烯烃熔融指数的预测装置，所述装置包括：

7、数据获取单元，用于获取待预测聚烯烃的聚合参数集，并将所述聚合参数集输入至已训练的指数预测模型；

8、指数预测单元，用于获得所述指数预测模型输出的聚烯烃熔融指数的目标预测值；

9、其中，所述指数预测模型是基于对有标签样本集和无标签样本集进行自监督学习处理，获得自监督样本集，并基于半监督学习对所述自监督样本集进行模型训练获得的，每一有标签样本集包括多个聚烯烃的样本聚合参数和相应的样本熔融指数，每一无标签样本集包括多个聚烯烃的样本聚合参数。

10、可选的，所述装置还包括模型训练单元，用于：

11、基于所述无标签样本集，对自监督子模型进行对比学习训练，获得训练好的自监督子模型；

12、基于获得的自监督子模型，对所述有标签样本集和所述无标签样本集进行自监督学习处理，获得自监督样本集；

13、基于所述自监督样本集，对半监督子模型进行迭代训练，直至满足预设的第一收敛条件；

14、在满足设定的第一收敛条件时，输出已训练的所述指数预测模型。

15、可选的，所述模型训练单元，具体用于：

16、基于所述自监督样本集中的多个有标签样本，分别对两个回归器进行初始化训练；其中，两个回归器的初始参数不同；

17、基于训练后的各回归器，对所述自监督样本集中的多个无标签样本集分别进行置信度计算，获得各无标签样本各自的置信度；

18、基于多个置信度之间的相对大小关系，从所述各无标签样本中确定目标无标签样本，并获得所述目标无标签样本对应的伪标签；

19、基于所述目标无标签样本和所述伪标签，更新所述自监督样本集，并基于更新后的自监督样本集进行下一次迭代训练。

20、可选的，所述模型训练单元，具体用于：

21、将所述目标无标签样本和所述伪标签添加至所述自监督样本集的多个有标签样本中；

22、从所述自监督样本集的多个无标签样本中，移除所述目标无标签样本，获得更新后的自监督样本集。

23、可选的，所述第一收敛条件包括：

24、所述半监督子模型的训练次数达到预设迭代次数；或者，

25、所述自监督样本集中的各无标签样本被移除完毕，且各回归器的预设性能指标不变。

26、可选的，所述模型训练单元，具体用于：

27、从所述无标签样本集中获取多个原始无标签样本，并对每个原始无标签样本进行特征替换处理，获得更新后的增强无标签样本；

28、基于多个增强无标签样本和所述无标签样本集之间的相似性，获取对比学习损失函数；

29、基于所述对比学习损失函数，对所述自监督子模型进行参数调整，直至所述自监督子模型满足预设的第二收敛条件，获得所述训练好的自监督子模型。

30、第三方面，本申请提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面中任意一种聚烯烃熔融指数的预测方法。

31、第四方面，本申请提供了一种计算机存储介质，所述计算机可读存储介质内存储有计算机程序指令，所述计算机程序指令被处理器执行上述第一方面中任意一种聚烯烃熔融指数的预测方法。

32、第五方面，本申请实施例提供的一种计算机程序产品，包括计算机程序指令，所述计算机程序指令被处理器执行时实现上述第一方面中任意一种聚烯烃熔融指数的预测方法。

33、本发明有益效果如下：

34、本申请实施例提供了一种聚烯烃熔融指数的预测方法，该方法通过获取待预测聚烯烃的聚合参数集，并将聚合参数集输入至已训练的指数预测模型，从而获得指数预测模型输出的聚烯烃熔融指数的目标预测值。其中，该指数预测模型是基于对有标签样本集和无标签样本集进行自监督学习处理，获得自监督样本集，并基于半监督学习对自监督样本集进行模型训练获得的。如此，本申请实施例通过自监督学习过程提高指数预测模型的数据表征能力，并通过半监督学习利用有限的有标签样本数据进行补充，在有标签样本数量较少时，仍能获取较高精度的聚烯烃熔融指数的预测结果，提高聚烯烃熔融指数的预测准确性。

技术特征：

1.一种聚烯烃熔融指数的预测方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述指数预测模型是采用以下方式进行训练的：

3.如权利要求2所述的方法，其特征在于，每一次迭代训练包括如下步骤：

4.如权利要求3所述的方法，其特征在于，所述基于所述目标无标签样本和所述伪标签，更新所述自监督样本集，包括：

5.如权利要求2-4任一所述的方法，其特征在于，所述第一收敛条件包括：

6.如权利要求2所述的方法，其特征在于，所述基于所述无标签样本集，对自监督子模型进行对比学习训练，获得训练好的自监督子模型，包括：

7.一种聚烯烃熔融指数的预测装置，其特征在于，所述装置包括：

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，

9.一种计算机存储介质，其上存储有计算机程序指令，其特征在于，

10.一种计算机程序产品，包括计算机程序指令，其特征在于，

技术总结
本申请涉及自动化技术领域，具体涉及一种聚烯烃熔融指数的预测方法、装置、设备及存储介质。该方法通过获取待预测聚烯烃的聚合参数集，并将聚合参数集输入至已训练的指数预测模型，从而获得指数预测模型输出的聚烯烃熔融指数的目标预测值。该指数预测模型是基于对有标签样本集和无标签样本集进行自监督学习处理，获得自监督样本集，并基于半监督学习对自监督样本集进行模型训练获得的。如此，本申请可通过自监督学习过程提高指数预测模型的数据表征能力，并通过半监督学习利用有限的有标签样本数据进行补充，在有标签样本数量较少时，仍能获取较高精度的聚烯烃熔融指数的预测结果，提高聚烯烃熔融指数的预测准确性。

技术研发人员：杜文莉,卢静宜,田洲,钱锋
受保护的技术使用者：华东理工大学
技术研发日：
技术公布日：2025/2/20