-
公开(公告)号：CN108427845A
公开(公告)日：2018-08-21
申请号：CN201810216996.8
申请日：2018-03-16
Applicant: 中南大学
Abstract: 本发明提出了一种铅锌矿采矿过程碳排放短期预测方法，综合灰色理论对采矿过程中以电机为研究对象的碳排放来源以及其影响因素进行分析。首先，对碳排放来源及其影响因素进行分析，采用灰色理论进行聚类分析以归并同类因素；其次，根据灰色关联性分析得到主要影响因素；最后,为解决超参数优化确定问题，将带精英策略的非支配排序遗传算法引入到高斯过程回归模型，提出了一种基于带精英策略非支配排序遗传算法的高斯过程回归的预测方法。经实验证明，本发明提出的预测方法能更精确的预测铅锌矿采矿过程的碳排放量，其预测误差更小，可以直接在计算机上实现，实用性强，成本低，易于实施。
-
公开(公告)号：CN105260805B
公开(公告)日：2018-10-23
申请号：CN201510785671.8
申请日：2015-11-16
Applicant: 中南大学
Abstract: 本发明提供了一种基于异构分类器选择性融合的锑矿品位软测量方法，包括：对记录的锑浮选泡沫图像特征数据以及与品位相关的生产数据的预处理共同构成特征空间；首先随机选取部分特征构成多个子样本空间，然后对每个子样本空间使用bootstrap采样获得多个不同的子样本，并对每个子样本做PCA分析获得对品位变化敏感性高且无相关性或弱相关性的关键特征；基于具有较强学习能力的RBF核和具有较高泛化能力的多项式核的KELM，对每一个子样本集分别采用两种KELM构建候选子模型；采用信息熵的方法，赋予每个候选子模型权重；基于RMSE对所有候选子模型从小到大排序，选出最优加权子模型组合作为最终模型对精矿品位做出预测。
-
公开(公告)号：CN105260805A
公开(公告)日：2016-01-20
申请号：CN201510785671.8
申请日：2015-11-16
Applicant: 中南大学
Abstract: 本发明提供了一种基于异构分类器选择性融合的锑矿品位软测量方法，包括：对记录的锑浮选泡沫图像特征数据以及与品位相关的生产数据的预处理共同构成特征空间；首先随机选取部分特征构成多个子样本空间，然后对每个子样本空间使用bootstrap采样获得多个不同的子样本，并对每个子样本做PCA分析获得对品位变化敏感性高且无相关性或弱相关性的关键特征；基于具有较强学习能力的RBF核和具有较高泛化能力的多项式核的KELM，对每一个子样本集分别采用两种KELM构建候选子模型；采用信息熵的方法，赋予每个候选子模型权重；基于RMSE对所有候选子模型从小到大排序，选出最优加权子模型组合作为最终模型对精矿品位做出预测。
-
-
Search Results
3
records
(took 0.014 seconds)
