基于神經(jīng)網(wǎng)絡(luò)的選礦廠數(shù)學(xué)模型及應(yīng)用研究
|
資料類別
|
化工建筑畢業(yè)論文(設(shè)計(jì)) |
|
課程(專業(yè))
|
礦物加工工程 |
關(guān)鍵詞
|
浮選|銅礦 |
適用年級(jí)
|
大學(xué) |
身份要求
|
普通會(huì)員 |
金 幣
|
50 (金幣如何獲得?) |
文件格式
|
nh |
文件大小
|
3927K |
發(fā)布時(shí)間
|
2012-05-14 15:30:00 |
預(yù)覽文件
|
無(wú) |
下載次數(shù)
|
2 |
發(fā)布人 |
kj008 |
內(nèi)容簡(jiǎn)介:
碩士學(xué)位論文 基基于神經(jīng)網(wǎng)絡(luò)的選礦廠數(shù)學(xué)模型及應(yīng)用研究,說(shuō)明書(shū)共75頁(yè)。
【摘要】 選礦廠數(shù)學(xué)建模問(wèn)題一直是選礦工作者研究的熱點(diǎn),近年來(lái),神經(jīng)網(wǎng)絡(luò)技術(shù)的引入,進(jìn)一步改善了選礦廠數(shù)學(xué)建模的準(zhǔn)確性和可靠性,豐富了選礦廠建模的理論和方法。然而,選礦實(shí)際要求的是更為復(fù)雜和合理的非線性數(shù)學(xué)模型,僅靠神經(jīng)網(wǎng)絡(luò)技術(shù)是無(wú)法完成的。本文綜合使用神經(jīng)網(wǎng)絡(luò)技術(shù)、探索性數(shù)據(jù)分析技術(shù)、主成分分析技術(shù)、SPSS統(tǒng)計(jì)分析軟件對(duì)選廠數(shù)學(xué)模型進(jìn)行了進(jìn)一步的研究探索: 1、針對(duì)選礦實(shí)際生產(chǎn)數(shù)據(jù)之間的關(guān)系性,即:除部分為線性、近似線性和簡(jiǎn)單非線性關(guān)系之外,大部分為復(fù)雜非線性關(guān)系這一特點(diǎn),提出將主成分分析法與神經(jīng)網(wǎng)絡(luò)BP模型相結(jié)合,解決了BP模型輸入、輸出因素之間的相關(guān)性問(wèn)題,提高了所建模型的質(zhì)量。 2、利用近年統(tǒng)計(jì)界新興起的探索性數(shù)據(jù)分析技術(shù)對(duì)選礦生產(chǎn)數(shù)據(jù)之間的規(guī)律性進(jìn)行探索,目的在于挖掘出在現(xiàn)有選礦條件下可能達(dá)到的更優(yōu)的選礦效益,尋找選礦廠精礦品位和回收率可能達(dá)到的更好組合。提高選廠的工作效率與效益。 3、利用主成分分析—神經(jīng)網(wǎng)絡(luò)BP模型對(duì)探索性數(shù)據(jù)分析方法得出的結(jié)論進(jìn)行進(jìn)一步預(yù)測(cè)(本論文以浮選為例),即:以已得出的選別結(jié)果(較佳的精礦品位和回收率的組合)為輸入因素,以選礦條件(藥劑用量)為輸出因素進(jìn)行建模,尋找更優(yōu)的藥劑量組合,用于指導(dǎo)選礦現(xiàn)場(chǎng)的藥劑用量,以其提高選礦效益。 本文的有關(guān)研究進(jìn)一步提高選礦廠數(shù)學(xué)模型的質(zhì)量,豐富了復(fù)雜非線性建模的理論、方法與實(shí)踐;同時(shí)使選礦廠數(shù)學(xué)模型不再只是用于預(yù)測(cè)選礦效益,可以嘗試用來(lái)預(yù)測(cè)選礦控制條件。
【關(guān)鍵詞】 浮選; 銅礦; 人工神經(jīng)網(wǎng)絡(luò); 主成分分析; 探索性數(shù)據(jù)分析; SPSS統(tǒng)計(jì)分析軟件; 預(yù)測(cè)控制;
相關(guān)說(shuō)明:
1. 如您下載的資料不止一份,建議您注冊(cè)成為本站會(huì)員。會(huì)員請(qǐng)登錄后下載。
2. 會(huì)員購(gòu)買金幣50元以下,0.7元/個(gè),50元以上,0.5元/個(gè)。具體請(qǐng)看:下載與付款。
3. 會(huì)員48小時(shí)內(nèi)下載同一文件,不重復(fù)扣金幣。
4. 下載后請(qǐng)用WinRAR或 WinZIP解壓縮后使用。
5. 如仍有其他下載問(wèn)題,請(qǐng)看常見(jiàn)問(wèn)題解答。
下載地址:
|
|
相關(guān)畢業(yè)論文(設(shè)計(jì)) |
|
推薦畢業(yè)論文(設(shè)計(jì)) |
|
|
|
|