【摘 要】
：
氧化铝原矿浆制备作为拜耳法生产氧化铝工艺流程的第一步,其制备的原矿浆是后续工序的原料,原矿浆的合格率最终影响到氧化铝的质量和产量。因为氧化铝原矿浆成分的化验结果存在大滞后性,通过预测原矿浆成分调节制备过程的配料量有着必要性和重要意义。本文研究了氧化铝原矿浆成分预测模型以及实际应用,具体内容如下:（1）对采集到的国内某铝厂氧化铝原矿浆制备生产原始数据进行可视化展示,分析数据集各参数统计量,并进行数据
论文部分内容阅读
氧化铝原矿浆制备作为拜耳法生产氧化铝工艺流程的第一步,其制备的原矿浆是后续工序的原料,原矿浆的合格率最终影响到氧化铝的质量和产量。因为氧化铝原矿浆成分的化验结果存在大滞后性,通过预测原矿浆成分调节制备过程的配料量有着必要性和重要意义。本文研究了氧化铝原矿浆成分预测模型以及实际应用,具体内容如下:（1）对采集到的国内某铝厂氧化铝原矿浆制备生产原始数据进行可视化展示,分析数据集各参数统计量,并进行数据预处理和降维。（2）通过重构背景值和残差尾段修正改进GM预测模型。（3）通过线性微分递减策略改进PSO算法的惯性权重因子的更新式,调整RBF网络模型的各项参数至最佳,使其能够快速收敛到全局最优值,提高预测模型计算精度。（4）鉴于GM预测模型和RBF神经网络特点,以误差补偿为组合原理建立GM-RBF组合预测模型。（5）采用预处理并降维完成后的数据集分别对多种预测模型进行训练和应用,依据预测评价指标对预测结果进行精度评估,验证组合模型的优势。（6）基于本文研究内容,设计并开发了氧化铝原矿浆成分预测系统,实现了数据可视化分析、数据预处理、预测模型管理、预测模型应用等功能模块。
其他文献
云计算的高虚拟化、高扩展性和廉价性等优势,使得个人和企业愿意把本地数据的存储和计算外包给云端服务器。然而,数据的隐私性和完整性问题严重影响着云存储技术的应用推广。出于安全性考虑,数据在外包到云服务器之前通常需要进行加密。然而,加密却破坏了数据文件之间的关联性,给用户的文件搜索管理带来巨大挑战。可搜索加密技术的出现使得用户能够对密文实现关键词的搜索。现有可搜索加密方案通常假设云服务器是诚实且好奇的,
推荐系统作为电子商务平台的重要组成部分之一,能够有效地捕获用户的兴趣特征,实现个性化推荐任务。作为推荐系统的重要分支,序列型推荐系统能够进一步捕获用户兴趣特征的动态变化,实现实时推荐任务。尽管经典的序列型推荐方法能够较好的为用户提供推荐服务,但是本文认为这些方法依旧存在一些缺陷。一方面,这些方法在对用户兴趣建模时往往难以捕获用户行为序列项目间的复杂转换关系以及用户对于不同项目的不同关注程度;另一方
新词指的是在词典中不曾存在,但现在被人们广泛使用的词语。随着互联网的飞速发展,大量新词也随之涌现。这些新词的出现给诸多自然语言处理任务带来了挑战,因此新词发现是存在一定价值与意义的。传统新词发现方法通过总结新词模板与统计特征提取新词,但其只能针对于特定的领域进行新词发现,或是只能提取长度较短的新词语。针对以上问题,本文提出了一种将深度学习和新词发现相结合的方法,在BiLSTM+CRF模型上融合了多
区块链是密码学、分布式最终共识机制、P2P传输等不同技术的交叉融合,以其去中心化的特征,创造了一个不可篡改的链状可信环境,受到了当前金融、法律、物联网等不同行业的广泛关注。区块链技术已经成为当下研究的热点话题,而如何在项目实际应用中提升区块链的安全性和效率则是目前亟需解决的难题。针对以上问题,本文将区块链底层架构中不同层级作为研究对象,对其中共识机制和智能合约中关键点进行全面分析;并结合冗余机制和
增强现实是以三维注册、虚实融合与人机交互为基础,实现虚拟物体和真实场景相互融合的技术。增强现实任务的核心问题是对现实场景中的物体进行准确、快速地识别和跟踪,以便将虚拟物体准确地放置在相应的位置上。本文针对增强现实中的三维注册技术进行研究,主要采用基于深度学习的方法对目标检测和位姿估计算法进行了研究与改进,提出了一个鲁棒性强且能满足实时需求的物体识别系统,本文主要贡献如下:（1）针对传统目标检测模型
随着计算共形几何的快速发展,得益于其对复杂曲面变形分析的处理能力,这给了我们将它运用到软体机器人曲面变形分析领域的灵感。针对软体机器人曲面变形的几何形状的非线性,进而导致在其变形过程中无法准确的对其进行度量,以及准确的描述,于是以计算共形几何为基础,引入Ricci流理论和计算曲面共形模的方法,将曲面形态变化问题转为曲面黎曼度量变化问题,进而建立数学模型对软体机器人的曲面变形进行定量描述。首先根据曲
物联网时代的到来,产生了海量数据,利用机器学习对其进行数据分析,可以从历史经验中提取相关信息,使其产生知识,并利用这些知识做出新的决定。在数据分析领域,技术人员要根据指定数据集构建合适的机器学习模型是一件非常复杂且耗时的事情,在此过程中需要在不同阶段选择合适的算法并不断调整优化算法参数,往往需要多次探索才能得到最终结果,对技术人员有很高的专业背景要求。针对于数据分析领域中算法选择难、调优难的问题,
近年来,物联网的发展日新月异,并在各个领域的应用场景下产生了实际的作用。伴随着机器学习算法的飞快发展和光伏硬件的不断更迭,使得光充能物联网体系有了更大的优化空间。因此,如何通过合适的模型降低网络能耗,延长网络寿命成为了可充能物联网领域亟待解决的问题。现有光充能物联网研究通常存在如下欠妥之处:1.现有光充能预测算法模式单一、忽略了小型传感器节点易受环境影响的因素,导致预测算法准确度降低。2.现有光充
地震是一种巨大的自然灾害,给人类社会的生命财产安全带来了极大威胁,能够提前预知地震的发生并做好相应措施是十分有必要的,因此地震预测是一项非常重要的任务。一直以来,地震预测的相关专家一直在探索更为准确的地震预测方式,他们也产生了很多流派,但是这些方法都存在以下缺陷:首先地震数据的获取较为困难,其次传统方法只能预测地震一个维度的信息,例如震级或经纬度,预测信息缺少完备性。针对以上这些问题,本文提出了一
互联网技术的发展推动网络购物蓬勃发展。越来越多的商品信息被上传到网络上,用户在面对数以亿计的商品往往会无法一下子明确自己的购买意愿,这对于商家以及用户都是一种损失,商家有可能错过对自己商品有隐性需求的用户,用户则会在浏览大量商品的过程中浪费大量的时间。通过研究个性化推荐能够在一定程度上解决上述问题。在推荐算法计算过程中,相对于更为稀少的显示反馈数据,用户的隐式反馈数据更加容易获得,数据量也更大。但