期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于PCA与RBF的焦炭质量预测模型
被引量：
10
1
作者
雷琪
刘君贤
+1 位作者
何勇
吴敏
《控制工程》
CSCD
北大核心
2010年第4期513-516,520,共5页
针对炼焦生产过程焦炭质量难于实时测量的问题,建立一种主元分析(PCA)和径向基函数(RBF)神经网络相结合的预测模型。通过机理分析确定焦炭质量的影响因素包括配合煤指标和炼焦过程操作参数;采用主元分析减少径向基函数网络的输入;最后采...
针对炼焦生产过程焦炭质量难于实时测量的问题,建立一种主元分析(PCA)和径向基函数(RBF)神经网络相结合的预测模型。通过机理分析确定焦炭质量的影响因素包括配合煤指标和炼焦过程操作参数;采用主元分析减少径向基函数网络的输入;最后采用k-均值聚类算法确定径向基函数隐含层的参数,并用最小二乘法确定线性输出层参数。采用炼焦生产过程现场数据进行仿真,结果表明,该模型具有学习速度快、跟踪性能好以及泛化能力强等优点,实现了焦炭质量的在线预测。
展开更多
关键词
炼焦生产过程
焦炭质量预测模型
主元分析
径向基函数
在线阅读
下载PDF
职称材料
基于GRU神经网络多标签多分类的焦炭质量预测模型
被引量：
4
2
作者
郝晓东
乔星星
+4 位作者
王影
原靖超
张泽晖
张国杰
张永发
《煤炭转化》
CAS
CSCD
北大核心
2023年第6期90-100,共11页
通过关联配合煤中硫、灰分、挥发分的质量分数等主要的煤质指标,利用基于Adma算法为优化器的GRU神经网络模型,不断对模型参数进行调整后,通过sigmoid激活函数判断模型准确率的多标签多分类方法,建立了焦炭质量预测模型。结果表明:当三层...
通过关联配合煤中硫、灰分、挥发分的质量分数等主要的煤质指标,利用基于Adma算法为优化器的GRU神经网络模型,不断对模型参数进行调整后,通过sigmoid激活函数判断模型准确率的多标签多分类方法,建立了焦炭质量预测模型。结果表明:当三层GRU网络的隐层神经元数量为(64,64,64);学习率为0.01;样本批次大小为64;样本训练次数为50;丢弃率为0.3时,得到了模型的最优参数,此时模型预测准确率达到97%。采用GRU神经网络多标签多分类焦炭预测模型不仅具有高精度、低损失函数等特点,而且针对小样本配煤数据预测焦炭质量可以达到很好的效果,对实际的配煤炼焦具有一定的参考意义。
展开更多
关键词
多标签多分类方法
神经网络
GRU
焦炭质量预测模型
小样本
在线阅读
下载PDF
职称材料
题名
基于PCA与RBF的焦炭质量预测模型
被引量：
10
1
作者
雷琪
刘君贤
何勇
吴敏
机构
中南大学信息科学与工程学院
出处
《控制工程》
CSCD
北大核心
2010年第4期513-516,520,共5页
基金
国家高技术研究发展计划(863计划)重点资助项目(2008AA042902)
文摘
针对炼焦生产过程焦炭质量难于实时测量的问题,建立一种主元分析(PCA)和径向基函数(RBF)神经网络相结合的预测模型。通过机理分析确定焦炭质量的影响因素包括配合煤指标和炼焦过程操作参数;采用主元分析减少径向基函数网络的输入;最后采用k-均值聚类算法确定径向基函数隐含层的参数,并用最小二乘法确定线性输出层参数。采用炼焦生产过程现场数据进行仿真,结果表明,该模型具有学习速度快、跟踪性能好以及泛化能力强等优点,实现了焦炭质量的在线预测。
关键词
炼焦生产过程
焦炭质量预测模型
主元分析
径向基函数
Keywords
coking plant production process
coke quality prediction model
principal component analysis
radial basis function.
分类号
TQ52 [化学工程—煤化学工程]
在线阅读
下载PDF
职称材料
题名
基于GRU神经网络多标签多分类的焦炭质量预测模型
被引量：
4
2
作者
郝晓东
乔星星
王影
原靖超
张泽晖
张国杰
张永发
机构
太原理工大学省部共建煤基能源清洁高效利用国家重点实验室
陕西煤业化工技术研究院有限责任公司
太原理工大学机械与运载工程学院
出处
《煤炭转化》
CAS
CSCD
北大核心
2023年第6期90-100,共11页
文摘
通过关联配合煤中硫、灰分、挥发分的质量分数等主要的煤质指标,利用基于Adma算法为优化器的GRU神经网络模型,不断对模型参数进行调整后,通过sigmoid激活函数判断模型准确率的多标签多分类方法,建立了焦炭质量预测模型。结果表明:当三层GRU网络的隐层神经元数量为(64,64,64);学习率为0.01;样本批次大小为64;样本训练次数为50;丢弃率为0.3时,得到了模型的最优参数,此时模型预测准确率达到97%。采用GRU神经网络多标签多分类焦炭预测模型不仅具有高精度、低损失函数等特点,而且针对小样本配煤数据预测焦炭质量可以达到很好的效果,对实际的配煤炼焦具有一定的参考意义。
关键词
多标签多分类方法
神经网络
GRU
焦炭质量预测模型
小样本
Keywords
multi-label multi-classification method
neural network
GRU
coke quality prediction model
small sample
分类号
TQ520.6 [化学工程—煤化学工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PCA与RBF的焦炭质量预测模型
雷琪
刘君贤
何勇
吴敏
《控制工程》
CSCD
北大核心
2010
10
在线阅读
下载PDF
职称材料
2
基于GRU神经网络多标签多分类的焦炭质量预测模型
郝晓东
乔星星
王影
原靖超
张泽晖
张国杰
张永发
《煤炭转化》
CAS
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
