本文關(guān)鍵詞：基于混沌蟻群神經(jīng)網(wǎng)絡(luò)的浮選過程經(jīng)濟技術(shù)指標預(yù)測　出處：《上海交通大學(xué)學(xué)報》2016年06期 　論文類型：期刊論文

  更多相關(guān)文章： 混合蟻群算法 主元分析-反向傳播神經(jīng)網(wǎng)絡(luò) 軟測量指數(shù)預(yù)測

【摘要】：以選礦中的浮選生產(chǎn)過程為研究對象,提出一種基于混沌蟻群神經(jīng)網(wǎng)絡(luò)算法預(yù)測浮選過程經(jīng)濟技術(shù)指標的測量模型.采用主元分析進行輸入數(shù)據(jù)集降維,應(yīng)用混沌蟻群算法與最小二乘法相結(jié)合的混合算法調(diào)整前提參數(shù)和目標值,以取代二次規(guī)劃求解優(yōu)化問題,并達到求解速度快、仿真精度高的效果;同時,采用混沌蟻群算法訓(xùn)練神經(jīng)網(wǎng)絡(luò),在隨機擾動或測量噪聲存在的情況下仍可以達到較好的訓(xùn)練目的,并提高了網(wǎng)絡(luò)參數(shù)辨識的收斂速度.同時,以某實際選礦浮選生產(chǎn)過程的生產(chǎn)數(shù)據(jù)作為建模和預(yù)測數(shù)據(jù)進行仿真分析,并與初始的主元分析-反向傳播(BP)神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果加以對比.結(jié)果表明,所提出的模型能夠?qū)崿F(xiàn)浮選過程經(jīng)濟技術(shù)指標的全局預(yù)測,與優(yōu)化前的模型相比其預(yù)測誤差明顯較低,預(yù)測精度提高了1.8%,滿足優(yōu)化浮選藥劑添加的計算要求.
[Abstract]:Taking flotation production process in ore dressing as the research object, a measurement model based on chaotic ant colony neural network algorithm is proposed to predict the economic and technical indexes of flotation process. The principal component analysis is used to reduce the dimension of the input data set. The hybrid algorithm based on chaos ant colony algorithm and least square algorithm is used to adjust the premise parameters and target values in order to replace the quadratic programming to solve the optimization problem and achieve the result of fast solution speed and high simulation accuracy. At the same time, using chaotic ant colony algorithm to train neural network can still achieve a better training purpose in the presence of random disturbance or measurement noise, and improve the convergence speed of network parameter identification. The production data of a practical flotation process are used as modeling and prediction data for simulation and analysis. The results are compared with those of the initial PCA / BP neural network model. The results show that the proposed model can achieve the global prediction of the economic and technical indexes of flotation process. Compared with the model before optimization, the prediction error is obviously lower, and the prediction accuracy is improved by 1.8%, which meets the calculation requirements of the optimized flotation reagents.
【作者單位】： 遼寧科技大學(xué)電子與信息工程學(xué)院;鞍山師范學(xué)院數(shù)學(xué)系;
【基金】：國家自然科學(xué)基金項目(61473054)資助
【分類號】：TD923;TP18
【正文快照】： 浮選是依據(jù)礦漿中各種礦物的物理化學(xué)性質(zhì)差異、借助汽泡的浮力將礦漿分離成品位合格的精礦和尾礦而實現(xiàn)礦物的有效選別的.精礦和尾礦的品位是表征浮選過程產(chǎn)品質(zhì)量和生產(chǎn)效率的重要經(jīng)濟技術(shù)指標,因此,將精礦和尾礦的品位控制在工藝規(guī)定的范圍內(nèi)具有重要意義.浮選過程具有嚴格

【相似文獻】

相關(guān)期刊論文 前10條

1 汪朝暉;廖振方;陳德淑;;電浮選過程中氣泡行為的研究[J];中南大學(xué)學(xué)報(自然科學(xué)版);2011年03期

2 В.З.Козцн;В.М.Аращкевцч;A.E.Tpon;蘆祖禧;;關(guān)于浮選過程的自動化問題[J];國外金屬礦選礦;1965年04期

3 張文彬;;國外利用高能輻射強化浮選過程的研究概況[J];國外金屬礦選礦;1981年08期

4 ;浮選過程的自動控制[J];國外金屬礦選礦;1983年10期

5 ;在鐵礦石浮選過程中硝基烷衍生胺的行為[J];國外金屬礦選礦;1990年09期

6 陳子嗚;;浮選過程的“中醫(yī)診治”——初談浮選過程的自學(xué)習模糊控制問題[J];國外金屬礦選礦;1991年Z1期

7 H.Plate;H.J.Schulze;;借助物理化學(xué)微處理法模擬浮選過程的技術(shù)和方法[J];國外金屬礦選礦;1992年09期

8 楊會志,于春田;一種浮選過程控制的新策略——粗糙控制[J];礦業(yè)研究與開發(fā);1999年05期

9 王會清,韓艷玲;基于銅礦浮選過程控制的數(shù)學(xué)模型研究[J];云南冶金;2003年04期

10 羊衍貴,袁惠新;浮選過程的拓展及超重力油浮過程的分析[J];江南大學(xué)學(xué)報;2004年05期

相關(guān)會議論文 前2條

1 丁浩;鄧雁希;許霞;任瑞晨;;金紅石與石榴石浮選過程中的表面行為及分選特性研究[A];《硅酸鹽學(xué)報》創(chuàng)刊50周年暨中國硅酸鹽學(xué)會2007年學(xué)術(shù)年會論文摘要集[C];2007年

2 周俊武;孫傳堯;;RBF網(wǎng)絡(luò)在硫化礦浮選過程建模中的應(yīng)用研究[A];首屆全國有色金屬自動化技術(shù)與應(yīng)用學(xué)術(shù)年會論文集[C];2003年

相關(guān)碩士學(xué)位論文 前5條

1 桂艷球;基于數(shù)據(jù)的銅浮選過程網(wǎng)絡(luò)化建模與工況特性分析[D];中南大學(xué);2014年

2 杜建江;基于泡沫尺寸統(tǒng)計分布的浮選過程故障診斷研究[D];中南大學(xué);2011年

3 凌弈秋;基于泡沫紋理分布的硫浮選過程故障工況檢測[D];中南大學(xué);2013年

4 韓霜;基于多源信息融合的浮選過程軟測量建模方法研究[D];遼寧科技大學(xué);2015年

5 王松濤;貴州煤中氟的賦存狀態(tài)及浮選過程中分配規(guī)律的研究[D];中國礦業(yè)大學(xué);2015年

，

本文編號：1419398