共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
基于神经网络的烧结矿化学成分超前预报 总被引:12,自引:2,他引:10
本文利用前馈神经网络,建立了烧结矿化学成分超前预报的模型;通过对现场实际运行数据分析表明,预报模型具有良了的预报结果和实际应用前景。 相似文献
3.
4.
5.
6.
7.
通过烧结杯试验,找出了宣钢原料条件下烧结矿合理化学成分、烧结矿低硅条件下各种化学成分的控制范围。 相似文献
8.
以碱度为中心的烧结矿化学成分控制专家系统 总被引:3,自引:0,他引:3
为了稳定控制烧结矿化学成分,提高成分一级品率,本文结合烧结球团理论,人工智能理论和现代控制理论,研究了系统的控制方案,提出了以碱度为中心的控制策略,开发烧结矿化学成分控制专家系统。 相似文献
9.
10.
11.
12.
针对KR工序终点铁水硫含量预测问题,提出一种基于Kmeans聚类分析和BP神经网络(BPNN)相结合的建模方法。首先,通过Kmeans聚类对KR工序生产数据进行模式识别和分类,构建不同工况特征的数据集;然后,基于BP神经网络,针对不同数据集训练预测模型;最后,将不同数据集的预测模型进行集成,形成最终的终点铁水硫含量预测模型,实现对不同铁水条件和工况条件的预测。利用某钢铁企业实际生产数据,分别用基于脱硫反应动力学、BP神经网络和Kmeans–BPNN方法建立的预测模型,对KR工序终点铁水硫含量进行预测。结果表明,Kmeans–BPNN的KR工序终点硫含量预测模型的精度显著高于脱硫反应动力学和BP神经网络的预测模型。 相似文献
13.
The prediction of the important running variables of blast furnaces (BF) has been a major study subject as one of the most important means for monitoring the BF state in ferrous metallurgical industry. In this paper, a prediction model for BF by integrating a neural network (NN) with partial least square (PLS) regression is presented. The selection of influencing operational parameters of BF on variables to be predicted is developed according to the minimization of residuals based on the theory of path analysis. The selected influencing parameter data series are processed as the inputs of the prediction model. In order to validate this prediction model, the silicon content in hot metal of BF is taken as the variable to be predicted. The model is trained and evaluated with industrial data, and the results show that it works well. Further modification of this prediction model is also discussed to improve its industrial application. 相似文献
14.
论听力教学中预测能力的培养 总被引:2,自引:0,他引:2
章力 《湖南冶金职业技术学院学报》2005,5(3):297-299
介绍了文章标题预测法、图片预测法、主题句预测法、关键词预测法、习题预测法、语法关系预测法、附加信息预测法等听力预测法,以培养学生的预测能力;提高学生的听力理解能力. 相似文献
15.
Peter S. P. Wong Sai On Cheung Cliff Hardcastle 《Canadian Metallurgical Quarterly》2007,133(6):474-482
Predicting performance of contractors is of interest to both academics and practitioners. The physical execution of a project is critical to the overall success of the development. Having a competent contractor that can deliver is most desirable. In this aspect, a significant number of performance prediction models have been developed. Multiple regression and neural networks are typically used as the analytical tools in these prediction models. This paper reports a study that employs a learning curve approach to perform the prediction task. It is suggested that this approach can accommodate the changes in performance as experience accumulates. Thus a performance pattern is projected in addition to the project final outcome. A two-step approach suggested by Everett and Farghal was adopted for this study. First, the learning curve model that best represents a contractors’ performance was explored using the least-square curve fitting analysis. Second, prediction analysis was performed by comparing the actual performance data with their respective prediction results obtained from extrapolation on the selected learning curve. The three-parameter hyperbolic model was found to provide the most reliable prediction on performance in this study. 相似文献
16.
水害是金属矿山重大灾害之一,正确预测水害危险性及变化趋势,对矿山安全生产具有重要的指导意义。在分析水害影响因素和广泛参考其他预测模型的基础上,以矿山地质构造、裂隙发育状况、降水量、采空区面积、地下水水位、回采工艺、开采深度、有无预注浆、含水层层数、围岩岩性等10个影响因素作为预测输入,以有水害危险、无水害危险作为预测输出,建立了GRNN预测模型,并应用MATLAB软件编程,对某金属矿山样本进行了训练和预测。研究结果表明,预测结果最大误差仅为7.62%。GRNN模型预测精度高,对金属矿山水害危险性预测和防治具有借鉴意义。 相似文献
17.
传统PM2.5预测方法获取污染物浓度数据需要大型精密仪器,成本较高。本文尝试利用图像数据进行PM2.5浓度预测。大气PM2.5浓度的变化与图像的暗通道强度、对比度和HSI(Hue-saturation-intensity)颜色差异有密切联系。大气中PM2.5浓度的升高会导致非天空区域的暗通道强度值下降,图像对比度下降和HSI空间颜色差异变小。通过分析PM2.5浓度与图像特征的关系,提出了一种基于图像混合核的列生成空气质量PM2.5预测模型。首先,以1 h为采样周期,每日8:00~17:00为采样范围,采集多种天气条件下的景物图像,提取图像的对比度、暗通道强度和HSI颜色差异共5个图像特征。其次,数据存在样本规模大、样本不平坦分布等特点,单个核函数构成的预测模型难以满足预测精度需求,因此本文按照核结构从简单到复杂的原则,选择线性核函数、多项式核函数和高斯核函数三种核函数建立组合模型。然后计算每个核基于训练样本的Gram矩阵,并将所有Gram矩阵并列成一个混合核矩阵。利用列生成算法和混合核矩阵建立预测模型,求解模型参数。最后,进行仿真实验,实验结果表明本文提出的可满足预测精度要求,与单核预测模型相比,该预测模型预测精度更高,模型稳定性更好。计算复杂度分析结果显示基于图像混合核的列生成模型与单核预测模型相比计算量无明显增加。 相似文献
18.
19.
为克服传统预测模型存在的适用性差、预测精度不足和参数选取随意性强等缺陷,提出了一种将核主成分分析法(KPCA)、改进粒子群算法(IPSO)与最小二乘支持向量机(LSSVM)相结合的充填管道磨损风险预测新方法。通过KPCA对管道磨损影响因素进行特征提取,将提取结果作为LSSVM的输入,同时利用具有较强全局搜索能力的IPSO算法对模型参数进行优化,构建KPCA-IPSO-LSSVM组合预测模型。以黄陵县矿区的80组实测数据为例,对该模型进行训练和预测,并将其预测结果与IPSO-LSSVM模型、LSSVM模型、SVM模型的预测结果进行对比分析。结果表明:与其他3个预测模型相比,KPCA-IPSO-LSSVM模型具有较高的预测精度和较强的泛化能力,为充填管道磨损风险预测提供了一种更为有效的预测方法。 相似文献
20.
铜锍品位是富氧底吹铜熔炼过程中的一个关键工艺参数,针对铜锍品位实时检测困难、检测结果滞后时间长、指导生产工艺参数优化滞后等问题,基于生产数据深入挖掘及处理,提出了一种基于FA-PSO-RBF神经网络的铜锍品位预测模型。首先为了降低模型的预测误差,利用FA分析方法对原始生产数据进行降维处理,确定主要因子数量为6个,并计算因子得分,然后针对RBF神经网络模型对关键参数依赖性较大的不足,利用改进PSO算法对网络结构中的关键参数进行寻优,最后,以因子得分为输入,铜锍品位值为输出,通过实际生产数据验证模型的准确性,并与RBF、标准PSO-RBF预测模型进行对比,结果表明,本文构建的铜锍品位预测模型预测精度更高,与标准PSO-RBF预测模型相比,RMSE和MAE的值分别降低了17.2%和21.2%,该预测模型对富氧底吹铜熔炼生产过程参数优化控制提供了一种方法借鉴。 相似文献