姜昌伟
- 作品数：1 被引量：3H指数：1
- 供职机构：北京科技大学计算机与通信工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术矿业工程更多>>
- 基于范数优化极限学习机的矿浆浓度预测被引量：3
- 2016年
- 选矿过程中的矿浆浓度是一个重要的生产工艺参数,一般可以通过预测矿浆浓度来提高生产效率。由于矿浆浓度和其他的生产工艺参数往往非线性相关,这给矿浆浓度的预测带来了很大困难。本文针对此问题,基于极限学习机这一面向神经网络的新颖学习算法,提出了一种矿浆浓度预测新算法。首先,使用相空间重构方法对矿浆浓度数据进行预处理,从一维转换到多维。然后,使用基于L2范数的极限学习机算法(ELM-L2)建立时序预测模型,实现预测功能。围绕来自于某矿厂的真实生产数据进行了实验验证,结果显示,针对大规模的数据样本集,所设计的算法与传统神经网络预测算法相比,训练时间大约减少了30%,而预测精度大约提高了48%。实验结果表明了所设计预测算法的有效性。
- 王欢姜昌伟徐鑫孙为平鲁鹏云张德政
- 关键词：极限学习机相空间重构矿浆浓度
