本文選題：氧化鋁　切入點：溶出苛性比值　出處：《輕金屬》2017年09期 　論文類型：期刊論文

【摘要】：針對拜耳法生產氧化鋁的溶出工序中苛性比值難以實時獲得的問題,提出了一種通過BP神經網絡模型對溶出苛性比值進行提前預測的方法。根據溶出生產物料輸入輸出關系,提出了基于物料平衡的溶出苛性比值機理計算模型,并對計算模型的輸入變量進行優(yōu)化,使其能夠滿足BP神經網絡輸入的要求。最終設計了一種具有誤差反傳學習及歷史數據訓練功能的BP神經網絡,經山西某鋁廠實際數據測試,BP神經網絡能夠較好的預測溶出苛性比值。
[Abstract]:In order to solve the problem that it is difficult to obtain the ratio of causticity in the digestion process of alumina production by Bayer process in real time, a BP neural network model is proposed to predict the ratio of dissolution causticity in advance. According to the relation between input and output of dissolved materials, A model for calculating dissolution causticity ratio based on material balance is proposed, and the input variables of the model are optimized. Finally, a BP neural network with the function of error backpropagation learning and historical data training is designed. The BP neural network can predict the ratio of dissolution causticity better by the actual data of an aluminum factory in Shanxi province.
【作者單位】： 沈陽鋁鎂設計研究院有限公司;
【分類號】：TP183;TQ133.1

【相似文獻】

相關期刊論文 前1條

1 陳肖虎;提高氧化鋁種分率的研究[J];貴州工業(yè)大學學報(自然科學版);1999年05期

，

本文編號：1616215