亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于RF-PCCs和RBF的焦炭質(zhì)量預測模型研究

        2023-10-18 06:52:24李芹芹宋寶宇龐克亮王越
        鞍鋼技術(shù) 2023年5期
        關(guān)鍵詞:煉焦特征選擇焦炭

        李芹芹,宋寶宇,龐克亮,王越

        (鞍鋼集團北京研究院有限公司,北京 102211)

        在高爐煉鐵中,焦炭起著骨架的作用[1],且具有不可替代性,而焦炭的機械強度M40和M10以及反應性CRI和反應后強度CSR四項質(zhì)量指標的好壞反映了焦炭作為骨架的能力高低[2-3],在高爐煉鐵過程中如何保證焦炭質(zhì)量的穩(wěn)定性是企業(yè)面臨的重要難題。

        目前,常見的用于焦炭質(zhì)量預測的模型有線性回歸模型、支持向量機(Support Vector Manchine,SVM)模型、反向傳播(Back Propagation,BP)神經(jīng)網(wǎng)絡(luò)模型和徑向基函數(shù)(Radial Basis Function,RBF)神經(jīng)網(wǎng)絡(luò)模型。劉穎義等[4]基于工業(yè)焦爐生產(chǎn)數(shù)據(jù),建立了焦炭M40和M10與配合煤的煤化度和黏結(jié)性的二元線性關(guān)系模型;謝海深等[5]采用多元逐步回歸方法,成功建立了焦炭CRI和CSR的預測模型,具有較高的預測精度;崔慶安等[6]綜合考慮配合煤特性和焦爐加熱制度,基于SVM建立了焦炭質(zhì)量預測方法;Chen&Bai[7]利用 SVM 對傳統(tǒng)配煤與煤巖配煤方案進行建模,預測了焦炭的M40、M10、CRI和 CSR;劉春梅[8]首次將 BP 神經(jīng)網(wǎng)絡(luò)應用于焦炭質(zhì)量預測,預測誤差在±5%左右;劉有勢等[9]利用BP神經(jīng)網(wǎng)絡(luò)和粒子群算法建立了焦炭質(zhì)量預測模型,改善了預測精度,滿足了焦化企業(yè)的生產(chǎn)需求。本文采用特征選擇算法和RBF神經(jīng)網(wǎng)絡(luò)建立了焦炭質(zhì)量預測模型,首先通過對實際生產(chǎn)數(shù)據(jù)進行數(shù)據(jù)預處理,并利用隨機森林(Random Forest,RF)和皮爾遜相關(guān)系數(shù)(Pearson Correlation Coefficients,PCCs)算法共同進行特征選擇;之后通過試湊法確定RBF神經(jīng)網(wǎng)絡(luò)的中心數(shù)量,K-均值算法得出RBF神經(jīng)網(wǎng)絡(luò)的中心值;最后對模型的結(jié)果進行對比分析。

        1 RBF神經(jīng)網(wǎng)絡(luò)模型

        RBF神經(jīng)網(wǎng)絡(luò)模型由三層網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)成。其中,中間層(隱含層)的作用函數(shù)為高斯函數(shù)Gi,具體公式如下:

        式中,X為訓練樣本;xi為高斯函數(shù)的中心;δi為函數(shù)寬度參數(shù);I為隱含層節(jié)點數(shù)。

        式(1)中,xi的值由K-均值算法確定。假設(shè)中心數(shù)量為 I個,設(shè) xi(n)(i=1,2......I)為第 i個中心第n次迭代時的值,中心值確定方法如下:

        (1)初始化中心取值,即隨機選取I個不同的樣本作為中心 xi(0)(i=1,2......I)。

        (2)Xk為隨機選擇的訓練樣本。

        (3) Xk的最近距離中心 i(Xk)滿足

        (4)調(diào)整函數(shù)的中心

        式中,ε 為步長,且滿足 0<ε<1。

        (5)如中心值不再發(fā)生太多變化,則結(jié)束迭代;否則 n=n+1,返回第(2)步。

        函數(shù)中心確定后,每個高斯函數(shù)采用統(tǒng)一的寬度參數(shù)δ值,由如下公式確定:

        式中,I為隱藏層節(jié)點數(shù);dmax為 xi(i=1,2......I)之間的最大距離。網(wǎng)絡(luò)輸出Y值由如下公式確定:

        式中,W為輸出層神經(jīng)網(wǎng)絡(luò)的權(quán)值。

        2 焦炭質(zhì)量預測模型案例研究

        2.1 數(shù)據(jù)來源

        針對煉焦配煤生產(chǎn)過程中存在的人工計算強度大、配煤模型精度不佳、配煤效益難以提高等問題,以某鋼廠煉焦部2018—2022年煉焦生產(chǎn)過程中配合煤到焦炭的300組數(shù)據(jù)為基礎(chǔ),進行實驗分析,具體見表1。

        表1 部分實驗數(shù)據(jù)Table 1 Some Experimental Data

        2.2 數(shù)據(jù)預處理

        配合煤性質(zhì)和煉焦工藝是影響焦炭質(zhì)量各個指標的重要因素[10]。為此通過將數(shù)據(jù)進行總體分析,查看數(shù)據(jù)的維度,對數(shù)據(jù)進行統(tǒng)計分析;同時,對數(shù)據(jù)的變化進行可視化,查看數(shù)據(jù)的異常值、缺失值,并根據(jù)數(shù)據(jù)特點對相關(guān)異常值和缺失值進行相應處理,剔除特征值不變的特征。

        另外,針對數(shù)據(jù)具有維度高、各個特征取值跨度大的特點,將數(shù)據(jù)歸一化至0到1之間,歸一化公式如下:

        圖1 數(shù)據(jù)預處理流程Fig.1 Data Processing Flow

        2.3 配煤RF-PCCs特征選擇

        為降低模型的復雜度,節(jié)省模型的訓練時間,進一步從現(xiàn)有模型特征中選擇重要特征。采用RF和PCCs兩種算法進行特征的選擇。其中,RF是通過計算所有決策樹得到的平均不純度衰減,并以變量重要性評分VIM作為度量特征重要性指標。由于基尼指數(shù)法計算相對快速簡單,不采用對數(shù)計算,因此本文使用基尼指數(shù)值GI作為特征重要性的評價指標,GI值介于-1與1之間。第i棵決策樹中節(jié)點n的基尼指數(shù)值GIin可表示為:

        式中,K代表節(jié)點n處的K個類別;Pnk代表隨機選中的樣本在節(jié)點n處屬于類別K的概率。

        在第i棵決策樹中,若特征j出現(xiàn)的節(jié)點屬于集合Q,那么特征j在該決策樹的特征節(jié)點n處的重要性為:

        式中,ΔVIM表示節(jié)點n分裂前后的基尼指數(shù)變換量;GIl表示節(jié)點分裂后新節(jié)點的基尼指數(shù)。

        若隨機森林共有t棵樹,那么特征變量j在隨機森林中的重要性為:

        另一方面,PCCs用于計算兩個連續(xù)變量的相關(guān)性,根據(jù)PCCs計算公式,兩個連續(xù)變量j與X之間的相關(guān)系數(shù) Pj,X為:

        其中,cov(j,X)為變量 j和 X 的協(xié)方差;σj、σX分別為特征變量j和目標變量X的標準差;μj、μX分別為變量j和X的期望值。Pj,X的值介于-1與1之間。

        在使用RF計算特征的重要性基礎(chǔ)上,再利用PCCs進行分析。由于特征的重要性與相關(guān)性取值都在-1與1之間,故將二者相加,得到配合煤指標和煉焦過程參數(shù)對焦炭質(zhì)量的影響值,利用影響值對輸入特征進行排序,保留排序靠前的特征,適當舍棄排序靠后的特征,從而減少作用不大或無作用的特征數(shù)據(jù)。特征選擇分析結(jié)果見表2。

        表2 特征選擇分析結(jié)果Table 2 Analysis Results of Feature Selection

        由于排名越靠前,特征的重要性越強,相關(guān)性也越強。 因此,選擇配合煤的 Ad、Vd、Sd、G 和 Y 作為模型的輸入,從而簡化RBF神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)結(jié)構(gòu),提高模型的學習效率。

        2.4 仿真分析

        對數(shù)據(jù)進行預處理和特征選擇之后,進行模型訓練。通過對配煤機理進行研究,焦炭的M40和M10的相關(guān)性較強,CRI和CSR的相關(guān)性也較強,而M40和M10與CRI和CSR相關(guān)性卻相對較弱。為此,分別針對M40和M10與CRI和CSR建立兩個模型,如圖2所示,z1和z2分別為M40和M10或者CRI和CSR。

        圖2 預測模型結(jié)構(gòu)圖Fig.2 Structure Diagram of Prediction Model

        為了驗證RBF神經(jīng)網(wǎng)絡(luò)的性能,將數(shù)據(jù)按照8:2的比例分割為訓練集和測試集,對線性回歸、SVM、BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)模型分別進行訓練,并將訓練樣本的平均絕對誤差MAE作為衡量各個模型預測準確性的指標,具體計算公式如下:

        式中,yi為真實值;fi為預測值。模型預測性能比較結(jié)果如表3所示。

        表3 模型預測性能比較結(jié)果Table 3 Comparision Results of Prediction Performance by Model %

        由表3可知,相較與另外3個模型,RBF神經(jīng)網(wǎng)絡(luò)模型中焦炭各質(zhì)量指標的MAE值均為最小。這表明RBF模型的預測精度高,可以更好地應用于焦炭質(zhì)量的預測。

        線性回歸、SVM、BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)模型中,M40、M10、CRI、CSR 四項指標的模型預測值與樣本真實值之間絕對誤差值的對比如圖3~6所示。

        圖3 M40模型預測絕對誤差Fig.3 Absolute Errors by M40Model Prediction

        圖4 M10模型預測絕對誤差Fig.4 Absolute Errors by M10Model Prediction

        圖5 CRI模型預測絕對誤差Fig.5 Absolute Errors by CRI Model Prediction

        圖6 CSR模型預測絕對誤差Fig.6 Absolute Errors by CSR Model Prediction

        由圖3~6可以看出,與線性回歸、SVM、BP神經(jīng)網(wǎng)絡(luò)模型相比,RBF神經(jīng)網(wǎng)絡(luò)模型具有較小的絕對誤差值,預測更準確。

        3 結(jié)語

        在理論和數(shù)據(jù)表現(xiàn)上對焦炭質(zhì)量進行了分析。在樣本數(shù)量有限的情況下,通過與傳統(tǒng)機器學習模型進行對比,基于RF-PCCs和RBF神經(jīng)網(wǎng)絡(luò)的焦炭質(zhì)量預測模型預測誤差更小,準確率更高,可為煉焦生產(chǎn)提供一定的理論指導。由于煉焦過程復雜,影響因素較多,未來研究重點將結(jié)合專家經(jīng)驗、煉焦機理、人工智能及大數(shù)據(jù)等技術(shù)建立更加準確高效的焦炭質(zhì)量預測模型。

        猜你喜歡
        煉焦特征選擇焦炭
        頂裝煉焦與搗固煉焦的對比研究
        山西化工(2022年2期)2022-05-12 13:15:42
        2020年我國累計出口焦炭349萬t
        淺談SDS脫硫技術(shù)在煉焦工序中的運用
        昆鋼科技(2021年1期)2021-04-13 07:55:06
        焦炭塔鼓脹變形合于使用評價
        不同焦鋼比下未來7億t粗鋼對焦炭需求的預測(按照全國焦炭產(chǎn)量計算)
        煤化工(2019年3期)2019-08-06 02:30:14
        Kmeans 應用與特征選擇
        電子制作(2017年23期)2017-02-02 07:17:06
        聯(lián)合互信息水下目標特征選擇算法
        焦爐搗固煉焦控制系統(tǒng)設(shè)計與應用
        山東冶金(2015年5期)2015-12-10 03:27:48
        日本Hypercoal 技術(shù)現(xiàn)狀及其在煉焦中的應用
        上海金屬(2014年4期)2014-12-15 10:40:34
        基于特征選擇和RRVPMCD的滾動軸承故障診斷方法
        国产精品亚洲综合久久系列| 国产亚洲美女精品久久久| 亚洲亚洲网站三级片在线| 久草午夜视频| 久久久久久久久国内精品影视| 中文字幕一区二区人妻痴汉电车 | 亚洲欧洲久久久精品| 久久精品国产亚洲av试看| 在线观看一区二区三区在线观看| 日本av一区二区三区在线| 99在线精品免费视频| 国产色a在线观看| 精品2021露脸国产偷人在视频 | 一区二区三区免费视频网站| 手机在线免费看av网站| 成人自拍三级在线观看| 国内揄拍国内精品人妻久久| 四虎影视久久久免费观看| 男人激烈吮乳吃奶视频免费| 伊人色网站| 少妇高潮惨叫喷水在线观看| 亚洲av无码专区在线观看下载| 看全色黄大色黄大片 视频| 久久亚洲精品ab无码播放| 免费无码黄网站在线观看| 久久综合精品国产丝袜长腿| 久久精品成人一区二区三区| 亚洲中文字幕无码一久久区| 97se在线观看| 日本黑人人妻一区二区水多多| 精品国产亚洲一区二区三区四区| 国产精品久久久久高潮| 国产精品18久久久久久麻辣| 国产欧美日韩专区| 国产成人夜色在线视频观看| 国产精品会所一区二区三区| 久久久久99精品成人片直播| 国产96在线 | 欧美| 亚洲最新版无码AV| 精品人妻av区二区三区| 亚洲女人毛茸茸粉红大阴户传播 |