学位论文 > 优秀研究生学位论文题录展示

基于神经网络的选矿厂数学模型及应用研究

作　者: 王淑红
导　师: 戈保梁
学　校: 昆明理工大学
专　业: 矿物加工工程
关键词: 浮选铜矿人工神经网络主成分分析探索性数据分析 SPSS统计分析软件预测控制
分类号: TD928
类　型: 硕士论文
年　份: 2002年
下　载: 649次
引　用: 4次
阅　读: 论文下载

内容摘要

选矿厂数学建模问题一直是选矿工作者研究的热点，近年来，神经网络技术的引入，进一步改善了选矿厂数学建模的准确性和可靠性，丰富了选矿厂建模的理论和方法。然而，选矿实际要求的是更为复杂和合理的非线性数学模型，仅靠神经网络技术是无法完成的。本文综合使用神经网络技术、探索性数据分析技术、主成分分析技术、SPSS统计分析软件对选厂数学模型进行了进一步的研究探索： 1、针对选矿实际生产数据之间的关系性，即：除部分为线性、近似线性和简单非线性关系之外，大部分为复杂非线性关系这一特点，提出将主成分分析法与神经网络BP模型相结合，解决了BP模型输入、输出因素之间的相关性问题，提高了所建模型的质量。 2、利用近年统计界新兴起的探索性数据分析技术对选矿生产数据之间的规律性进行探索，目的在于挖掘出在现有选矿条件下可能达到的更优的选矿效益，寻找选矿厂精矿品位和回收率可能达到的更好组合。提高选厂的工作效率与效益。 3、利用主成分分析—神经网络BP模型对探索性数据分析方法得出的结论进行进一步预测(本论文以浮选为例)，即：以已得出的选别结果(较佳的精矿品位和回收率的组合)为输入因素，以选矿条件(药剂用量)为输出因素进行建模，寻找更优的药剂量组合，用于指导选矿现场的药剂用量，以其提高选矿效益。本文的有关研究进一步提高选矿厂数学模型的质量，丰富了复杂非线性建模的理论、方法与实践；同时使选矿厂数学模型不再只是用于预测选矿效益，可以尝试用来预测选矿控制条件。

全文目录

中文摘要  16-17
英文摘要  17-19
目录  19-20
第一章文献综述  20-34
  第一节神经网络简介  20-24
  第二节神经网络的应用及研究现状  24-25
  第三节 SPSS及主成分分析法的应用及研究现状  25-28
  第四节探索性数据分析简介  28-29
  第五节选矿厂数学建模  29-32
  第六节选题的意义  32-34
第二章人工神经网络在选厂中的应用及研究  34-52
  第一节概述  34-40
  第二节选矿厂预测模型  40-41
  第三节应用神经网络建立浮选模型  41-52
第三章主成分分析法与人工神经网络结合在选矿中建模  52-64
  第一节主成分分析法  52-53
  第二节主成分分析法的几何意义与一般数学模型  53-55
  第三节主成分的求法  55-57
  第四节主成分分析法与人工神经网络结合建模的意义  57-58
  第五节实例分析  58-63
  第六节结论  63-64
第四章探索性数据分析方法用于选矿药剂的确定  64-86
  第一节概述  64
  第二节箱线图及其耐抗性  64-67
  第三节箱线图在选矿中的应用  67-83
  第四节箱线图的批比较  83-84
  第五节探索性数据分析方法在选厂中应用的意义  84-86
第五章基于主成分分析的人工神经网络与箱线图在选厂中联合应用  86-95
  第一节选矿模型的建立及思想  86-88
  第二节实例应用  88-90
  第三节利用主成分分析—神经网络BP模型进行验证及预测  90-93
  第四节结论  93-95
第六章结论  95-96
参考文献  96-99
致谢  99

基于神经网络的选矿厂数学模型及应用研究

内容摘要

全文目录

相似论文