生物冶金氧化预处理过程温度预测研究

针对工业现场,尤其是高寒、高海拔地区受气候条件影响,温度变化剧烈,无法准确测量,难以建立精确的温度模型,进而影响生物冶金浸出率的问题,提出一种基于改进鲸鱼算法(EWOA)和核极端学习机(KELM)综合建模的方法。首先从工业现场采集100组实验数据,然后将前66组数据作为训练样本,后34组数据作为测试样本,最后分别采用KELM、WOA-KELM、EWOA-KELM方法建立氧化槽温度预测模型。研究结果表明,EWOA-KELM预测模型的平均绝对误差(MAE)、均方根误差(RMSE)和平均相对百分比误差(MAPE)均比其它几种预测模型的低。该模型具有更高的预测精度和更强的泛化能力,为测量氧化槽的温度变化情况提供了一种新的方法。     

生物氧化预处理过程中溶氧量的预测

溶氧量是影响生物氧化速率的重要因素之一,精准预测溶氧量对生物氧化冶金工艺有着十分重要的意义,为提高模型预测的精度,提出一种基于鲸鱼算法—最小二乘支持向量机(WOA-LSSVM)的矿浆溶氧量预测建模方法,用鲸鱼算法对最小二乘支持向量机的核函数宽度和惩罚因子进行寻优,建立WOA-LSSVM溶解氧量预测模型,最后输出预测结果...     

生物氧化预处理过程中溶氧量的预测研究

溶氧量作为影响生物氧化速率的重要因素之一,精准地预测溶氧量对生物氧化冶金工艺有着十分重要的意义,为提高模型预测的精度,本文提出一种基于鲸鱼算法-最小二乘支持向量机（WOA-LSSVM）的矿浆溶氧量预测建模方法,用鲸鱼算法对最小二乘支持向量机的核函数宽度和惩罚因子进行寻优,然后建立WOA-LSSVM溶氧量预测模型,最后输出预测结果,并与LSSVM和(粒子群算法)PSO-LSSVM模型对比。研究表明,WOA-LSSVM模型的预测结果更接近于实际值,其相对误差也比另外两种模型低,该模型可以很好地预测溶解氧,具有预测精度高的优势,可应用于之后对于溶氧量的预测研究。     

基于果蝇算法优化GRNN的生物氧化预处理温度预测

为了实现对氧化槽温度的精准预测,提出用改进过的果蝇优化算法来优化广义回归神经网络(GRNN)的参数。改进的方法是在标准果蝇优化算法中加入个体极值的思想,以此提高算法跳出局部极优值的能力。最后分别采用GRNN、FOA-GRNN、IFOA-GRNN方法建立了氧化槽温度预测模型。研究结果表明,IFOA-GRNN预测模型的平均绝对误差(MAE)、均方根误差(RMSE)和平均相对百分比误差(MAPE)均比其它两种预测模型的低,预测精度和泛化能力更强,采用该法可以更精确地预测氧化槽的温度变化。     

金精矿生物氧化过程中菌体吸附的重要性研究

利用改进装置探索了无菌以及嗜酸性氧化亚铁硫杆菌分别吸附于矿石表面、游离于培养基中等条件下,矿石氧化过程的基本工程学特征。结果表明,菌体吸附氧化时,溶液中的Eh值和矿石的氧化率高于游离菌氧化和无菌氧化;电镜观察可见矿石表面菌体吸附留下的蚀坑;A.ferrooxidans游离氧化时的矿石氧化率大于无菌氧化过程。六偏磷酸钠的加入能改变矿石表面的电性,提高菌体在矿石表面的吸附率。     

基于数据挖掘的用户输入自动化模型分析与设计

用户输入自动化技术可以帮助用户完成输入任务,文章提出了基于数据挖掘的用户输入自动化模型,该模型可以发现隐含兴趣的用户输入模式,并且利用这些输入模式预测用户的输入值。基于数据挖掘的用户输入自动化模型主要包括模式挖掘器和预测分类器2个主要部件。模式挖掘器挖掘隐含兴趣的用户输入模式,预测分类器根据实例特征预测用户输入值。该模型实时性好,适应性强,应用价值高。     

无刷直流电动机调速系统的最优状态反馈控制

研究了具有量测噪声和负载干扰的无刷直流电动机实时最优速度的控制方法.建立了系统的硬件结构,并推导出系统的数学模型.采用卡尔曼滤波器的状态估计,提出了一种基于动态规划的最优反馈控制策略;给出了补偿量测噪声和负载干扰的自适应算法.仿真研究的结果表明,提出的方法使系统具有较好的动态性能,验证了提出方法的有效性与可行性.     

模型优化法在滑坡变形分析中的应用

该文以文献〔1〕为基础 ,将初选出的最佳变形模型的模型参数作为带有动态噪声的状态向量 ,用卡尔曼滤波法进行滤波 ,并以此为基础建立滑坡变形预测模型。实例计算表明 ,这种方法能够提高变形模型的拟合精度和预报精度     

自适应Kalman滤波在某大坝形变监测中的应用

结合某大坝实测数据进行分析,对变形监测数据分别采用经典最小二乘平差、标准Kalm an滤波、方差补偿自适应Kalm an滤波3种方法进行处理,并用M atlab软件编制了数据处理程序,对方差补偿自适应Kalm an滤波数据处理结果进行验证。通过比较分析得出,方差补偿自适应Kalm an滤波数据处理结果能较好的满足工程需要。     

基于虚拟状态变量的卡尔曼滤波瓦斯涌出量预测

为了在煤矿瓦斯涌出量相关影响因素的作用发生改变时,还能够准确预测瓦斯涌出量,提出一种基于虚拟状态变量的卡尔曼滤波预测方法。将相关影响因素通过能够识别瓦斯涌出量模型的非线性网络进行映射,用所得到的输出向量作为虚拟状态变量,提出预测残差方差比检验方法,计算虚拟状态变量的最佳维数,确定能够反映当前瓦斯涌出量的最小样本个数的储量样本。采用基于储量样本计算得到具有最佳维数的虚拟状态变量,建立卡尔曼滤波瓦斯涌出量预测模型。结果表明：对于瓦斯涌出量相关因素作用发生变化的情形,采用固定的训练样本和网络结构建立的基于人工神经网络的预测方法,预测结果的平均误差为5.82%,最大误差为16.56%,采用动态调整的虚拟状态变量建立的卡尔曼滤波预测方法具有较好的跟踪能力和反应速度,预测性能明显改善,其平均误差为0.94%,最大误差为2.08%,表明所建议的方法是可行和有效的。     

卡尔曼滤波在相似材料模型数据处理中的应用

分析离散线性系统的卡尔曼滤波模型,针对工业近景摄影系统所获得的相似材料模型数据进行建模,并运用M atlab软件进行编程求解。得出卡尔曼滤波在相似材料模型数据处理中具有明显的去噪效果,其下沉曲线更能反映模拟的实际情况。结合Logistic函数拟合对比分析,说明此滤波模型的准确性。     

多源传感器融合的矿井瓦斯释放源定位方法

针对煤矿井下采空区漏风现象导致瓦斯释放源难以定位或者定位不准问题,提出一种基于多源传感器融合的矿井瓦斯释放源定位算法。首先通过分析综放工作面采空区瓦斯分布规律,建立矿井采空区传感器观测模型与瓦斯释放源扩散模型,然后采用混合卡尔曼粒子滤波算法对采空区瓦斯释放源参数进行估计,并依据迭代运算得到估计参数的坐标位置,最后通过无线传感器目标源感知节点与簇头节点的数据融合,实现瓦斯释放源的精确定位。结果表明:与其他算法相比,混合卡尔曼粒子滤波算法在定位精度上具有明显的优势。该方法能有效解决因漏风现象导致的瓦斯释放源定位困难的问题,进而为采空区瓦斯突出预警及瓦斯抽采提供参考依据。     

基于卡尔曼滤波及神经网络的瓦斯涌出量预测

为解决当前瓦斯涌出量预测过程中存在的因影响因素过多、预测指标与瓦斯涌出量之间非线性关系及其自身时变性等特点而导致预测精度降低的问题,采用SPSS因子分析法对瓦斯涌出量影响因素进行分析降维,将得到的预测指标由构建的BP神经网络与卡尔曼滤波相结合的瓦斯涌出量预测模型进行预测.研究结果表明:采用因子分析的方法能够有效筛选瓦斯...     

我国电力周期的单变量状态空间分析

随着我国经济的快速增长,国民经济对电力的需求随之快速增长。为了在快速增长的同时保持电力增长的稳定性,了解电力周期的波动情况,成了重要的问题。本文利用单变量状态空间法对改革开放以来的电力需求数据进行分析,建立结构时间模型,利用单变量状态法找出变化趋势,分析我国电力需求周期情况,为预测未来电力需求走势,提前做好应对措施提供了依据。