基于无偏灰色GM(1,1)的铁精矿品位预测模型北大核心

铁精矿品位的准确预测对铁矿选矿厂的生产和管理具有重要意义。为解决选矿厂生产过程中具有随机波动性的铁精矿品位预测问题,提出一种基于线性变换法的无偏灰色GM(1,1)铁精矿品位预测模型。通过采用一种线性变换方法降低铁精矿品位数据序列的波动干扰,将随机波动数据序列转换为单调增长的数据序列,然后将变换后铁精矿品位数据序列代入无偏灰色GM(1,1)模型以实现铁精矿品位预测模型的建模,最后将该预测模型用于两组铁精矿品位数据序列进行了验证。结果表明,基于线性变换的无偏灰色GM(1,1)铁精矿品位预测模型在预测精度和预测性能上优于两个改进的GM(1,1)预测模型,其预测精度均为一级,预测的最小相对误差为0.2%,平均绝对误差均小于1%,模型具有较好的应用性和有效性,为短期预测铁精矿品位提供了一种新途径。     

基于VC++的数字万用表数字识别方法

为实现工业相机提取数字万用表图像数字信息，提出了一种针对数字万用表数字识别的识别方案。该方案基于VC++平台首先对采集的彩色图像进行预处理，包括数字区域截取、图像灰度化、平滑处理；紧接着提取识别目标的边沿轮廓，使用方法包含基于直方图的自适应分段线性变换、灰度图像的非线性拉伸、Canny算法、5邻域方向预估边界跟踪与断点补偿；最后使用交线法实现数字识别。实验结果表明，该方案识别效果好、快速简单、具有较高的实用价值。