یک مدل هوشمند نوین مبتنی بر یادگیری عمیق گسسته جهت محور برای طبقه‌بندی مصرف انرژی در صنعت فولاد

امروزه مصرف بهینه انرژی و مدیریت صحیح آن به یکی از مهم‌ترین چالش‌های صنایع فولادی تبدیل شده است. به‌کارگیری روش‌های داده‌کاوی و اتخاذ تصمیمات مبتنی بر داده می‌تواند در برنامه‌ریزی و مدیریت کارآمد انرژی در حوزه تولید فولاد، بسیار مفید باشد. طبقه‌بندی مصرف انرژی یکی از پرکاربردترین رویکردهای داده‌کاوی در حوزه انرژی است که در مصارف مختلف خانگی، تجاری، شهری، روستایی و خصوصاً صنعتی کاربرد گسترده‌ای دارد. در ادبیات مدل‌های طبقه‌بندی، روش‌های متعددی برای به‌دست‌آوردن نتایج دقیق‌تر توسعه‌یافته و پیشنهاد شده‌اند. در فرایند یادگیری همه مدل‌های طبقه‌بندی موجود در ادبیات موضوع، از یک تابع هزینه پیوسته مبتنی بر فاصله به‌‌منظور تخمین پارامترهای ناشناخته مدل استفاده می‌‌شود و این در حالی است که مسئله طبقه‌بندی دارای ماهیتی گسسته است. عدم تطابق تابع هزینه پیوسته در مسائل طبقه‌بندی با تابع هدف گسسته باعث افت عملکرد مدل طبقه‌بندی گردد؛ بنابراین، در این مقاله، از یک فرایند یادگیری گسسته جهت محور جدید برای حذف ناسازگاری بین تابع هزینه و تابع هدف طبقه‌بندی استفاده شده است و از روش پیشنهادی برای طبقه‌بندی مصرف انرژی در صنعت فولاد استفاده شده است. نتایج به‌دست‌آمده بیانگر برتری روش پیشنهادی نسبت به نسخه معمولی خود و همچنین برتری آن نسبت به تعدادی از مدل‌های پرکاربرد طبقه‌بندی است.