首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   2篇
  免费   0篇
冶金工业   2篇
  2023年   2篇
排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
针对烧结矿低温还原粉化率传统检测方法时间滞后、过程繁杂、耗时较长等问题,本文以某钢铁厂400 m2烧结机烧结矿的性能指标为研究对象,选用60组训练集进行因子分析,建立以Al2O3、SiO2、MgO、TiO2、FeO质量分数以及R、w(MgO)/w(Al2O3)和w(CaO)/w(TFe)为自变量,低温还原粉化率为因变量的烧结矿低温还原粉化率预测模型。结果表明:影响烧结矿低温还原粉化率的主要因素是w(Al2O3)、w(SiO2)、w(FeO)、R和w(MgO)/w(Al2O3);优化后预测模型为YRDI=1.137w(FeO)+5.56w(SiO2)+26.44R-20.19w(MgO)/w(Al2O3)-6.07w(Al2  相似文献   
2.
对60组烧结矿还原性能指标(Reduction Index,RI)和化学成分的训练集进行变量聚类,通过最佳子集回归,建立烧结矿RI预测模型并进行异常值检验和误差分析,得出影响烧结矿RI最主要因素是SiO2、MgO、TiO2、R、FeO和CaO/TFe。模型R2达到99.88%,相对误差均在3%以下,精确度较高,能够实现烧结矿RI快速精准预测。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号