上传者: 56969254
|
上传时间: 2022-08-12 09:04:01
|
文件大小: 861KB
|
文件类型: DOCX
目前对矿石加工的质量要求越来越高,因此需要在加工过程中对其进行质量测试,保证加工质量的准确度[1]。本文主要运用非线性预测算法及数据处理相关知识,以矿石加工质量控制问题为研究对象,综合运用线性插值、BP神经网络和数据离散化等方法对问题给出求解的过程和结果。
针对问题一,首先根据实际情况使用删除法或线性插值法对数据进行预处理。经过皮尔逊相关系数分析,计算指标A、B、C、D之间的相关性,根据计算结果所得的相关系数表可知,各指标之间不具有显著相关性。根据附件1中所给的数据以及对数据的处理结果,以系统调温区间的平均温度作为基数据,将产品质量和原矿参数按照基数据划分,得出产品质量、温度、原矿参数之间的一一对应关系。选择BP神经网络模型,以系统温度、原矿参数作为输入数据,产品质量作为输出数据,训练神经网络,得到系统温度、原矿参数和产品质量之间的关系。根据题目所给2022-01-23两组系统温度,选择当天原矿参数输入神经网络,输出产品质量结果。
针对问题二,同样采用BP神经网络模型。以原矿参数和产品质量为输入数据,系统温度为输出数据,训练神经网络,得到系统温度与原矿参数、产品质量的关系,根据问题2所