-
公开(公告)号：CN106802977B
公开(公告)日：2020-10-02
申请号：CN201611151179.6
申请日：2016-12-14
Applicant: 同济大学
Abstract: 本发明涉及一种用于烧结矿性能指标预测及综合质量评价方法，包括步骤：(1)确定烧结矿综合质量评价的所有性能指标，根据灰色关联度法确定每个性能指标对应的重要影响参数；(2)对每个性能指标分别建立两个独立的预测模型，所述的预测模型用于对各个性能指标值进行预测；(3)对于每个性能指标，基于信息熵的方法确定两个独立的预测模型得出的预测值的权重，进而得到综合两个预测模型的烧结矿的各个性能指标的预测值；(4)对得到的综合两个预测模型的烧结矿的各个性能指标的预测值进行综合评价得到烧结矿的质量等级。与现有技术相比，本发明预测值准确，评价结果可靠。
-
公开(公告)号：CN106802977A
公开(公告)日：2017-06-06
申请号：CN201611151179.6
申请日：2016-12-14
Applicant: 同济大学
Abstract: 本发明涉及一种用于烧结矿性能指标预测及综合质量评价方法，包括步骤：(1)确定烧结矿综合质量评价的所有性能指标，根据灰色关联度法确定每个性能指标对应的重要影响参数；(2)对每个性能指标分别建立两个独立的预测模型，所述的预测模型用于对各个性能指标值进行预测；(3)对于每个性能指标，基于信息熵的方法确定两个独立的预测模型得出的预测值的权重，进而得到综合两个预测模型的烧结矿的各个性能指标的预测值；(4)对得到的综合两个预测模型的烧结矿的各个性能指标的预测值进行综合评价得到烧结矿的质量等级。与现有技术相比，本发明预测值准确，评价结果可靠。
-
公开(公告)号：CN104881707B
公开(公告)日：2018-07-03
申请号：CN201510225409.8
申请日：2015-05-04
Applicant: 同济大学
IPC: G06F17/00
Abstract: 本发明涉及一种基于集成模型的烧结能耗预测方法，该方法包括以下步骤：1)基于RReliefF的特征选择算法进行模型特征选择；2)根据所选模型特征的历史数据，建立改进极限学习机智能预测模型和回归型支持向量机智能预测模型；3)对多个单一智能预测模型进行加权集成，获得集成后的烧结能耗预测值。与现有技术相比，本发明基于信息熵的集成预测模型具有良好的预测精度和泛化能力，同时具有较高时间效率，在实际生产具有应用推广价值。
-
公开(公告)号：CN104881707A
公开(公告)日：2015-09-02
申请号：CN201510225409.8
申请日：2015-05-04
Applicant: 同济大学
IPC: G06Q10/04
Abstract: 本发明涉及一种基于集成模型的烧结能耗预测方法，该方法包括以下步骤：1)基于RReliefF的特征选择算法进行模型特征选择；2)根据所选模型特征的历史数据，建立改进极限学习机智能预测模型和回归型支持向量机智能预测模型；3)对多个单一智能预测模型进行加权集成，获得集成后的烧结能耗预测值。与现有技术相比，本发明基于信息熵的集成预测模型具有良好的预测精度和泛化能力，同时具有较高时间效率，在实际生产具有应用推广价值。
-
-
-
Search Results
4
records
(took 0.015 seconds)
