本公开涉及冷轧，尤其涉及到一种轧制力预测模型的训练方法、轧制力预测方法及装置。
背景技术：
1、在当前钢铁行业面临日益严峻的挑战背景下，为了满足市场对高精度、高品质轧制产品日益增长的需求，传统的轧制生产工艺及流程面临着重大革新，需要有更加准确的轧制模型来适应现代社会对轧制产品的需求。轧制工艺具有复杂性、非线性和多因素耦合等特点，在酸洗轧制联合机组的应用中，轧制力的精准分配对于控制轧制过程中的塑性变形参数、减小工艺精度偏差及确保最终产品品质非常重要。
2、然而，在实际应用中，现有的用于预测该类机组轧制力的模型，如基于传统数学理论的模型、有限元分析模型以及新兴的人工智能模型等，存在模型参数设置不合理，影响模型的学习能力和泛化性能的问题，从而导致模型的预测精度不高，运算时间较长，难以完全满足现代生产高效、高质的双重需求。
技术实现思路
1、本公开旨在至少解决现有技术或相关技术中存在的技术问题之一。
2、为此，本公开提供一种轧制力预测模型的训练方法、轧制力预测方法及装置，可以通过人工原生动物优化算法优化轧制力预测模型的第一目标模型参数，再利用莱维飞行优化算法进一步优化轧制力预测模型的第二目标参数，多次优化轧制力预测模型的模型参数，提高了轧制力预测模型的学习能力和泛化性，从而提高轧制力预测模型预测精度和预测效率。
3、根据本公开第一方面提供的一种轧制力预测模型的训练方法，包括：
4、确定训练样本数据和训练样本数据对应的预设训练标签，其中，训练样本数据为经过预处理后影响轧制力的影响参数，训练标签为与影响参数对应的轧制力；
5、利用人工原生动物优化算法，根据训练样本数据和预设训练标签，确定轧制力预测模型的第一目标模型参数，对轧制力预测模型进行第一轧制力预测训练；
6、利用莱维飞行优化算法，根据训练样本数据和预设训练标签，确定由第一目标模型参数配置的轧制力预测模型的第二目标模型参数，对轧制力预测模型进行第二轧制力预测训练。
7、根据本公开第二方面提供的一种轧制力的预测方法，包括：
8、获取目标轧制力影响数据，并对目标轧制力影响参数进行预处理；
9、将预处理后的目标轧制力影响数据输入至由第一方面的训练完成的轧制力预测模型，得到目标预测轧制力。
10、根据本公开第三方面提供的一种轧制力预测模型的训练装置，包括：
11、数据确定模块，用于确定训练样本数据和训练样本数据对应的预设训练标签，其中，训练样本数据为经过预处理的影响轧制力的影响参数，训练标签为与影响参数对应的轧制力；
12、第一训练模块，用于利用人工原生动物优化算法，根据训练样本数据和预设训练标签，确定轧制力预测模型的第一目标模型参数，对轧制力预测模型进行第一轧制力预测训练；
13、第二训练模块，用于利用莱维飞行优化算法，根据训练样本数据和预设训练标签，确定由第一目标模型参数配置的轧制力预测模型的第二目标模型参数，对轧制力预测模型进行第二轧制力预测训练。
14、根据本公开第四方面提供的一种轧制力的预测装置，包括：
15、数据获取模块，用于获取目标轧制力影响数据，并对目标轧制力影响参数进行预处理；
16、预测模块，用于将预处理后的目标轧制力影响数据输入至第一方面的训练完成的轧制力预测模型，得到目标轧制力预测结果。
17、根据本公开第五方面提供的一种电子设备，包括：处理器和存储器，该存储器用于存储计算机程序，该处理器用于调用并运行该存储器中存储的计算机程序，执行如第一方面或第二方面或其各实现方式中的方法。
18、根据本公开第六方面提供的一种计算机可读存储介质，用于存储计算机程序，计算机程序使得计算机执行如第一方面或第二方面或其各实现方式中的方法。
19、通过本公开的实施例，提供了一直轧制力预测模型的训练方法、轧制力预测方法及装置，包括：确定训练样本数据和训练样本数据对应的预设训练标签；利用人工原生动物优化算法，根据训练样本数据和预设训练标签，确定轧制力预测模型的第一目标模型参数，对轧制力预测模型进行第一轧制力预测训练；利用莱维飞行优化算法，根据训练样本数据和预设训练标签，确定由第一目标模型参数配置的轧制力预测模型的第二目标模型参数，对轧制力预测模型进行第二轧制力预测训练。该过程多次优化轧制力预测模型的模型参数，提高了轧制力预测模型的学习能力和泛化性，从而提高轧制力预测模型预测精度和预测效率。
20、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
1.一种轧制力预测模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第一目标模型参数包括第一初始惩罚参数、第二初始惩罚参数、第一初始不敏感因子、第二初始不敏感因子以及第一高斯核函数宽度；
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一适应度值中的最大值所对应的所述第一原生动物的位置向量确定第一目标位置向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述第二目标模型参数包括第一目标惩罚参数、第二目标惩罚参数、第一目标不敏感因子、第二目标不敏感因子以及第二高斯核函数宽度；
5.根据权利要求4所述的方法，其特征在于，所述根据所述第二适应度值的最小值所对应的所述第二原生动物的位置向量确定第二目标位置向量，包括：
6.一种轧制力的预测方法，其特征在于，包括：
7.一种轧制力预测模型的训练装置，其特征在于，包括：
8.一种轧制力的预测装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序使得计算机执行如权利要求1-5中任一项所述的方法或权利要求6所述的方法。
