收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于广义回归神经网络的浮选加药量预测

郭西进  陈晓天  
【摘要】:针对现有煤泥浮选加药量预测精度不足的现状,提出了基于广义回归神经网络(GRNN)的浮选加药量预测。首先介绍了GRNN的网络结构,然后通过交叉验证搜索算法确定了模型的结构参数,最后通过与BP网络模型的比较,得出了该模型在算法时间和预测精度方面的优越性,更加适应于浮选加药的预测。

知网文化
【相似文献】
中国期刊全文数据库 前4条
1 王东旭;;喇嘛甸油田联合站加药量自动控制[J];油气田地面工程;2006年08期
2 ;让“酵素”来解除您便秘的烦恼[J];食品与生活;2008年11期
3 陈海;;用药不灵找原因[J];家庭科技;2010年10期
4 ;[J];;年期
中国硕士学位论文全文数据库 前2条
1 何永平;基于泡沫图像特征的金锑浮选过程加药量控制策略研究[D];中南大学;2014年
2 燕青;基于操作模式匹配的锑粗选药剂添加量智能优化设定方法[D];中南大学;2014年
中国重要报纸全文数据库 前1条
1 湖北 汪礼刚;基于AT89C51单片机的现场药剂自动添加系统设计[N];电子报;2009年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978