首页|基于深度森林的磨矿粒度软测量模型的实现

基于深度森林的磨矿粒度软测量模型的实现

Realization of Soft Measurement Model of Grinding Particle Size Based on Deep Forest

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
为了掌握矿业生产中溢流粒度的实时情况,针对磨矿过程中粒度分析仪表易出现故障和损坏的问题,进行了相关实际考察,提出了一种改进深度森林方法.通过选取某选矿厂的真实生产数据集作为样本,将改进深度森林算法和决策树、随机森林、传统深度森林算法进行了对比.结果表明:在训练集上,改进深度森林算法损失较决策树降低了23.1%,较随机森林降低了15.4%,较传统深度森林降低了9.51%;在测试集上,改进深度森林算法损失较决策树降低了23.5%,较随机森林降低了12.8%,较传统深度森林降低了6.4%,并且对比数学预测模型和主流的序列预测方法,证明改进深度森林算法的预测精度明显高于其他方法,能有效提高水力旋流器溢流粒度预测的准确性,对选矿工业的发展具有重要的理论意义与实用价值.

grinding classificationoverflow particle sizedeep forestregression prediction

秦楠、骆俊、程小舟、刘自杰、孙晨、张思涵、徐瑞玲、陶陶

展开 >

中钢集团马鞍山矿山研究总院股份有限公司

中钢矿院(马鞍山)智能应急科技有限公司

安徽工业大学计算机科学与技术学院

磨矿分级 溢流粒度 深度森林 回归预测

安徽省重点研究与开发计划项目

202104a05020025

2023

10.3969/j.issn.1674-6082.2023.11.026

现代矿业
中钢集团马鞍山矿山研究院有限公司

现代矿业

影响因子：0.33
ISSN：1674-6082
年,卷(期)：2023.39(11)
  • 2