基于决策树的神经网络预测水泥熟料强度

测定水泥熟料强度的传统方法是实测水泥预制品在第3天与第28天的强度.为了简化并加快熟料强度的预测,设计了基于决策树的神经网络系统.该系统由两部分组成,先利用决策树确定水泥品种,再利用该种水泥样品的数据对神经网络进行训练.实验证明,经过训练的神经网络可以快速、准确地预测熟料的抗压、抗折强度.     

水泥熟料强度预测系统的研究与实现

本文利用神经网络建立预测水泥熟料强度的数学模型,并用MATLAB6.5和VB6.0实现了熟料强度预测系统的设计。经过实际生产样本的训练和验证,该系统具有较高的预测能力,在水泥熟料强度预报中具有一定的应用价值。     

基于机器学习的煤矿突水预测方法

由于影响煤矿突水的因素多、相关性强，影响模型预测精度；数据收集工作量大，成本较高，如何科学地选取特征以提高模型预测准确率成为本文重点研究内容.本文首先提出采用稳定性选择方法在已知的22个影响因素中选取7个最重要的因素，之后构建随机森林、神经网络以及支持向量机3种典型机器学习分类预测模型对特征选取前后的数据进行预测分析，实验结果表明，特征选取后的预测模型非常稳定且预测准确率可达100%，同时降低了样本数据收集成本.     

非参数投影寻踪回归在粉煤灰混凝土强度预测中的应用

为了进一步优化粉煤灰混凝土配合比设计,改进混凝土施工工艺,提高混凝土质量.针对粉煤灰混凝土强度与其影响因素之间复杂的非线性关系,通过对影响粉煤灰混凝土强度的主要因素进行分析,提出了基于投影寻踪回归分析的粉煤灰混凝土强度预测模型,用单纯形优化算法确定最佳投影方向,并在Matlab环境下编写了相应的计算程序.利用某工程粉煤灰混凝土配合比的实测数据,进行粉煤灰混凝土强度的预测.实验结果表明,该方法具有较高的拟合度和良好的预测精度,满足工程实际要求.     

灰色神经网络在MBR曝气强度中的应用研究

曝气是MBR膜污染的操作条件影响因子中的一个重要参数,曝气强度过大易造成膜丝断裂,过小又不能减缓膜污染。针对该问题,本研究首先运用灰色模型对中空纤维膜不同使用阶段中的最佳曝气强度值进行粗略预测。再将影响膜过滤性能的三个因素作为BP神经网络的输入,不同膜清洗次数后的最佳曝气强度作为输出,进行曝气的BP网络模型预测。最后将灰色模型的预测值及影响膜过滤性能的三个因素作为灰色神经网络的输入,最佳曝气强度作为输出,进行曝气的灰色神经网络预测。通过对两个神经网络模型的预测结果对比分析,得出结论灰色神经网络模型优于BP神经网络模型。     

基于多元混沌时间序列PS-LSTM污染物预测模型

应用神经网络算法对环境状况进行研究是当前计算科学的热点.对于生态环境的预测方法而言,目前传统依靠单变量控制的方法不能满足受多因素影响的环境系统预测要求.根据多变量预测模式改进长短期记忆(LSTM)循环神经网络LSTM模型,通过增加窥视孔的方式,提出相空间(PS)-LSTM预测模型.选取流域生态系统中重金属污染物作为预测...     

基于极端学习机的光伏发电功率短期预测

为了进一步提高光伏发电功率的预测准确度,该文首次将极端学习机方法(ELM)和相似日方法结合并引入光伏发电功率短期预测领域.通过分析影响光伏发电功率的各个因素,分时段预测光伏发电功率.该方法在不同时间段中利用相似日评价函数选取历史相似日,结合预测日的天气因素,采用极端学习机对预测日对应时段的发电功率进行预测.通过对预测效果进行比较和分析,结果表明该方法比传统的神经网络预测算法有更好的预测效果.     

基于极端学习机的光伏发电功率短期预测

为了进一步提高光伏发电功率的预测准确度,首次将极端学习机方法(ELM)和相似日方法结合并引入光伏发电功率短期预测领域.通过分析影响光伏发电功率的各个因素,分时段预测光伏发电功率.该方法在不同时间段中利用相似日评价函数选取历史相似日,结合预测日的天气因素,采用极端学习机对预测日对应时段的发电功率进行预测.通过对预测效果进行比较和分析,结果表明该方法比传统的神经网络预测算法有更好的预测效果.     

基于Kalman算法的网络安全态势预测

网络安全态势预测是网络安全领域的研究热点之一,在分析当前网络安全态势预测方法的基础上,论文利用Kalman滤波理论建立了网络安全态势预测模型,利用当前和过去时段的攻击强度和网络安全态势值对下一时段的网络安全态势进行预测.实验结果表明该算法的预测精度优于传统的GM（1,1）算法和普通卡尔曼算法（即未结合影响因素）,算法适应性和实时性优于RBF算法.     

基于改进多层感知机模型的港口吞吐量预测研究

精确的港口货物吞吐量预测对于港口的发展至关重要.本文提出了改进粒子群优化去尾均值多层感知机模型对上海港货物吞吐量进行预测.选取了影响上海港货物吞吐量的十个因素进行训练,实验结果表明该预测模型的预测性能明显优于传统MLP预测模型和基本的粒子群优化多层感知机模型.对该预测模型的误差分析和收敛性分析表明该预测模型可靠.     

水泥篦冷机出口熟料温度自适应辨识模型

为了优化控制系统,建立篦冷机温度熟料出口的识别模型,利用篦冷机内熟料换热机理,找出熟料冷却过程的关键影响因素;利用回声状态网络辨识篦冷机运行数据,基于递归最小二乘法推导网络的在线学习算法,实现权值自适应调整,从而建立了篦冷机出口熟料温度的自适应辨识模型.仿真实验可知,在系统发生变化时构建的模型能够自适应调整网络输出权值矩阵,使模型快速收敛.与其他离线方法相比,提出的熟料出口温度的自适应模型更加持久有效,可以作为辨识模型指导篦冷机的控制.     

基于现场总线技术的DCS在水泥熟料生产线中的应用

根据万吨线水泥熟料生产的特殊工艺特点,认真分析其对控制系统的要求,在此基础之上,充分发挥了现场总线技术及DCS技术两者优势,以系统集成为手段,给出一套基于Profibus现场总线协议的水泥熟料的生产线的集散控制系统(DCS),实现了对水泥熟料生产的集中管理和分散控制.     

基于神经网络的回转窑建模及其优化控制设计

实现水泥回转窑温度稳定性控制,水泥回转窑熟料煅烧是一个涉及传质、传热和物理化学反应的复杂多变量、多扰动非线性过程。为了稳定回转窑烧成温度以提高孰料烧成质量,降低能耗,传统的控制方法,存在干扰大,稳定时间长等问题。在分析水泥回转窑工艺的基础上,采用Elman神经网络建立回转窑系统的模型,提出BP神经网络的PID控制方法,根据系统的运行状态,调节PID控制器的参数,以达到性能指标,设计了回转窑温度优化控制器,具有超调量小、动态性好、收敛速度快和控制精度高等优点。进行仿真的结果表明,回转窑烧成带温度逐渐趋于稳定,实现了对水泥回转窑的优化控制。     

f—CaO智能快速测定仪

介绍一种新的测定水泥熟料中 f-CaO 含量的智能快速测定仪,采用电导分析法,即测量溶液中的电导值,以求得溶液中某一物质的浓度。由单片机组成智能快速转换仪表系统,完成电导率与 f-CaO 含量的测量、转换以及显示、实现快速准确地测定水泥熟料中 f-CaO 的百分含量。     

水泥熟料烧成系统建模方法研究进展

水泥熟料烧成系统模型对于理解水泥熟料煅烧过程、改进煅烧工艺、优化控制段烧状态、提高燃烧效率至关重要.然而,水泥熟料煅烧过程机理复杂,燃烧状态不稳定,存在建模难的问题.经过学者几十年的努力,已涌现出一大批优秀的研究成果,但仍存在一些不足和挑战.对此,针对水泥熟料烧成系统建模问题,综述国内外已有的建模方法和技术,分析各种方法的优势及存在的问题.最后,分析并指出水泥熟料烧成系统建模领域未来的研究方向和前景.     

水泥熟料质量软测量模型中的时序分析方法

针对常规水泥熟料质量软测量模型未充分考虑过程变量间时序信息的问题,本文根据水泥生产流程工艺的时滞性、连续性特点,提出了一种时序分析方法,以提高熟料中游离氧化钙含量的软测量准确度.首先根据物料的传输机理,估算出物料在各工艺设备中的停留时间,在此基础上将软测量模型的输入输出变量进行时序匹配,之后采用类高斯函数对各输入变量匹配时刻前后的时序数据进行加权,获得具有时序信息的输入–输出样本对,然后以支持向量机模型结构为例,对引入时序信息后的游离氧化钙含量软测量模型进行训练和测试,并讨论了时序参数对结果的影响.采用某水泥生产线的实际过程数据对本文模型与方法进行验证,结果表明,该模型预测值与实际的游离氧化钙含量吻合良好,能正确预测其变化趋势;将本文模型测量结果与未使用时序信息的常规支持向量机模型对比,结果表明,过程变量间的时序信息有助于提高水泥熟料质量软测量模型的精度.本文提出的时序分析方法为水泥生产等流程工业过程建立软测量模型提供了新思路.     

基于二进小波变换的子线段匹配方法研究

提出了一种基于小波变换的子线段匹配方法.该方法利用样条二进小波变换系数在不同尺度下的模极大点能提供在不同尺度下信号急速变化点的位置信息的特点,以该位置点为子线段的端点,采用由粗到细的匹配策略匹配这些端点,根据顺序一致原则,快速匹配子线段两端点之间的点.这种方法较好的解决了匹配精度和匹配速度之间的平衡问题.采用该方法对篦冷机内水泥熟料高度进行测量,实验表明该方法能较精确的得出水泥熟料料层的分布状况.     

基于LS-SVM的水泥熟料煅烧过程f-CaO软测量研究

针对水泥厂熟料质量指标f-CaO含量难以在线测量的问题,提出一种基于最小二乘支持向量机(LS-SVM)的软测量建模方法。仿真实验研究表明,最小二乘支持向量机建模具有良好的学习能力和泛化性能,且对数据样本的依赖程度低,是一种有效的软测量建模方法。给出的以DCS系统和SQL数据库为基础,通过Visual C 6.0编程的软测量实现方案,符合国内水泥厂实际情况,易于实现。建立的软测量模型和给出的软仪表实现方案对于保证水泥熟料质量和实现回转窑烧成系统的优化控制具有重要意义。     

基于遗传算法的水泥强度预测

文章根据水泥强度预测具有多变量、非线性、大时滞的特点,运用遗传算法,建立了水泥强度的非线性预测模型。通过对有关数据进行实例计算,得到了满意的效果,该模型为水泥强度的快速预测提供了一种新方法,有较好的实用价值。