基于深度学习算法的萤石氟化钙含量预测研究

Research on predicting the calcium fluoride content in fluorite based on deep learning algorithm

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：萤石作为一种重要的工业矿物,其品质主要由其中氟化钙的含量决定.为了有效评估和预测萤石中的氟化钙含量,提出一种基于自适应噪声完全集合经验模态分解(CEEMDAN)和卷积神经网络(CNN)以及双向长短期记忆神经网络(BiLSTM)相结合的深度学习算法用于萤石中氟化钙含量的预测.实验结果表明,所提方法具有较高的预测精度和稳定性,为萤石的质量评估和工业应用提供重要参考.

外文摘要：Fluorite is an important industrial mineral,its quality is primarily determined by the content of calcium fluoride within it.To effectively assess and predict the calcium fluoride content in fluorite,a deep learning algorithm that combines CEEMDAN,CNN and BiLSTM networks is proposed.Experimental results indicate that the proposed method achieves high prediction accuracy and stability,providing significant references for the quality assessment and industrial application of fluorite.

外文关键词：

fluoritecalcium fluorideconvolutional neural network(CNN)complete ensemble empirical mode decomposition with adaptive noise(CEEMDAN)bidirectional long and short term memory neural network(BiLSTM)

作者：

李凌云、刘海庆、郝彬、任建吉

展开 >

作者单位：

多氟多新材料股份有限公司,河南焦作 454000

河南理工大学软件学院,河南焦作 454000

关键词：

萤石氟化钙卷积神经网络自适应噪声完全集合经验模态分解双向长短期记忆神经网络

出版年：

2024

磷肥与复肥

郑州大学中国磷肥工业协会

磷肥与复肥

CSTPCD

影响因子：0.291

ISSN：1007-6220

年,卷(期)：2024.39(9)

参考文献量3