期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于EMD-LSTM的重介分选精煤灰分时间序列预测方法研究
被引量：
8
1
作者
程凯
王然风
付翔
《煤炭工程》
北大核心
2022年第2期133-139,共7页
针对重介分选的智能化发展需求,根据重介精煤灰分数据噪声特征及灰分过程控制对灰分预测精度、预测时长的要求,提出了基于EMD-LSTM的重介精煤灰分时间序列预测方法。首先,通过经验模态分解(EMD)算法将重介精煤灰分时序数列中的不同尺度...
针对重介分选的智能化发展需求,根据重介精煤灰分数据噪声特征及灰分过程控制对灰分预测精度、预测时长的要求,提出了基于EMD-LSTM的重介精煤灰分时间序列预测方法。首先,通过经验模态分解(EMD)算法将重介精煤灰分时序数列中的不同尺度分量逐级分解出来,生成一系列具有相同特征尺度的本征模函数,从而去除一定噪声影响;其次,进一步借助于长短期记忆(LSTM)神经网络可解决数据的长期依赖问题,从而在长时间视野预测方面表现更为突出。该方法应用于实际数据集的短期预测,实验结果表明,对LSTM神经网络进行参数寻优后,基于EMDLSTM的重介分选精煤灰分指标时间序列预测方法中,去除IMF1分量的模型所得的预测结果具有最小的标准差σ(0.1481)和平均绝对误差λ(0.1184),去除噪声后的EMD-LSTM模型可使预测准确性显著提高,能够有效解决精煤灰分预测的问题。
展开更多
关键词
重介分选
精煤
灰分
时序数列
噪声
经验模态分解(EMD)
长短期记忆神经网络(LSTM)
精煤
灰分
预测
下载PDF
职称材料
基于时间序列对齐和TCNformer的重介精煤灰分多步预测
2
作者
王珺
王然风
+2 位作者
魏凯
韩杰
张茜
《工矿自动化》
CSCD
北大核心
2024年第5期60-66,共7页
由于在重介分选过程中各个传感器位置不同,导致重介分选主要工艺参数与灰分存在时间滞后,影响了精煤灰分结果。基于回归模型的灰分预测方法缺乏对时间序列信息的利用,无法捕捉重介生产过程随时间变化的动态特性;基于时间序列的灰分预测...
由于在重介分选过程中各个传感器位置不同,导致重介分选主要工艺参数与灰分存在时间滞后,影响了精煤灰分结果。基于回归模型的灰分预测方法缺乏对时间序列信息的利用,无法捕捉重介生产过程随时间变化的动态特性;基于时间序列的灰分预测方法未能充分考虑灰分和重介分选主要工艺参数之间的时间依赖关系。针对上述问题,提出了一种基于时间序列对齐和TCNformer的重介精煤灰分多步预测方法。通过滞后相关性分析来量化灰分与重介分选主要工艺参数之间的滞后步长,依此对重介分选主要工艺参数在时间维度上进行移动,使得灰分和重介分选主要工艺参数时间序列对齐,消除灰分和重介分选主要工艺参数之间的时间滞后。在Transformer模型的基础上,引入时间卷积网络(TCN)提取特征,并将单向编码器扩展为双向编码器,构建了TCNformer模型来实现精煤灰分多步预测。将时间序列对齐得到的与未来时刻灰分数据对应的过程变量序列作为解码器的输入,以提升模型预测精度。实验结果表明:该方法的平均绝对误差为0.1579%,均方根误差为0.2152%,平均皮尔逊相关系数为0.5051,能有效提升精煤灰分预测精度。
展开更多
关键词
重介分选
精煤
灰分
预测
滞后相关性
时间序列
TCNformer
双向编码器
下载PDF
职称材料
基于精煤灰分预测的重介悬浮液密度自动设定系统设计
被引量：
5
3
作者
孔利利
《选煤技术》
CAS
2015年第4期68-71,共4页
为了使重介悬浮液密度及时适应选煤生产的需要,设计出重介悬浮液密度自动设定系统。根据重介选煤厂实际操作情况,先设计训练精煤灰分预测的BP神经网络,再采用Wincc、Matlab编写程序实现重介悬浮液密度的自动设定。该系统可以对一系列密...
为了使重介悬浮液密度及时适应选煤生产的需要,设计出重介悬浮液密度自动设定系统。根据重介选煤厂实际操作情况,先设计训练精煤灰分预测的BP神经网络,再采用Wincc、Matlab编写程序实现重介悬浮液密度的自动设定。该系统可以对一系列密度数据下的精煤灰分进行预测,根据预测结果选择最佳密度设定值,有利于提高精煤灰分的可控性。生产结果表明:在该系统设定的密度值下,精煤灰分在要求的范围内,说明系统运行效果良好。
展开更多
关键词
重介选煤
精煤
灰分
预测
悬浮液密度设定
BP神经网络
下载PDF
职称材料
基于浮选泡沫图像识别的精煤灰分预测系统
被引量：
6
4
作者
丁建军
白飞燕
+1 位作者
任学禹
樊民强
《选煤技术》
CAS
2022年第4期89-93,共5页
为实现浮选过程的实时监测,柳湾煤矿选煤厂安装了一套智能浮选泡沫图像识别系统,通过在浮选机第1槽和第3槽安装图像拍摄系统,采集浮选机第1槽和第3槽泡沫图像,提取气泡颜色、气泡坍塌度、气泡尺寸及形状、气泡移动速度等特征,采用支持...
为实现浮选过程的实时监测,柳湾煤矿选煤厂安装了一套智能浮选泡沫图像识别系统,通过在浮选机第1槽和第3槽安装图像拍摄系统,采集浮选机第1槽和第3槽泡沫图像,提取气泡颜色、气泡坍塌度、气泡尺寸及形状、气泡移动速度等特征,采用支持向量回归算法,建立了灰分预测模型。结果表明,第1槽和第3槽预测灰分与实际灰分的误差绝对值分别为0.34%和0.37%。
展开更多
关键词
浮选
浮选泡沫图像识别
精煤
灰分
预测
系统
精煤
灰分
下载PDF
职称材料
题名
基于EMD-LSTM的重介分选精煤灰分时间序列预测方法研究
被引量：
8
1
作者
程凯
王然风
付翔
机构
太原理工大学矿业工程学院
出处
《煤炭工程》
北大核心
2022年第2期133-139,共7页
基金
山西省应用基础研究计划重点自然基金资助项目(201901D111007ZD)
山西省关键核心技术和共性技术研发攻关专项项目重点研发计划(2020XXX004)。
文摘
针对重介分选的智能化发展需求,根据重介精煤灰分数据噪声特征及灰分过程控制对灰分预测精度、预测时长的要求,提出了基于EMD-LSTM的重介精煤灰分时间序列预测方法。首先,通过经验模态分解(EMD)算法将重介精煤灰分时序数列中的不同尺度分量逐级分解出来,生成一系列具有相同特征尺度的本征模函数,从而去除一定噪声影响;其次,进一步借助于长短期记忆(LSTM)神经网络可解决数据的长期依赖问题,从而在长时间视野预测方面表现更为突出。该方法应用于实际数据集的短期预测,实验结果表明,对LSTM神经网络进行参数寻优后,基于EMDLSTM的重介分选精煤灰分指标时间序列预测方法中,去除IMF1分量的模型所得的预测结果具有最小的标准差σ(0.1481)和平均绝对误差λ(0.1184),去除噪声后的EMD-LSTM模型可使预测准确性显著提高,能够有效解决精煤灰分预测的问题。
关键词
重介分选
精煤
灰分
时序数列
噪声
经验模态分解(EMD)
长短期记忆神经网络(LSTM)
精煤
灰分
预测
Keywords
dense-medium preparation
time series of clean coal ash content
noise
empirical mode decomposition(EMD)
long short-term memory neural network(LSTM)
clean coal ash prediction
分类号
TD94 [矿业工程—选矿]
下载PDF
职称材料
题名
基于时间序列对齐和TCNformer的重介精煤灰分多步预测
2
作者
王珺
王然风
魏凯
韩杰
张茜
机构
太原理工大学矿业工程学院
出处
《工矿自动化》
CSCD
北大核心
2024年第5期60-66,共7页
基金
国家自然科学基金项目(52274157)
内蒙古自治区重点专项项目(2022EEDSKJXM010)
山西省重点研发计划项目(202102100401015)。
文摘
由于在重介分选过程中各个传感器位置不同,导致重介分选主要工艺参数与灰分存在时间滞后,影响了精煤灰分结果。基于回归模型的灰分预测方法缺乏对时间序列信息的利用,无法捕捉重介生产过程随时间变化的动态特性;基于时间序列的灰分预测方法未能充分考虑灰分和重介分选主要工艺参数之间的时间依赖关系。针对上述问题,提出了一种基于时间序列对齐和TCNformer的重介精煤灰分多步预测方法。通过滞后相关性分析来量化灰分与重介分选主要工艺参数之间的滞后步长,依此对重介分选主要工艺参数在时间维度上进行移动,使得灰分和重介分选主要工艺参数时间序列对齐,消除灰分和重介分选主要工艺参数之间的时间滞后。在Transformer模型的基础上,引入时间卷积网络(TCN)提取特征,并将单向编码器扩展为双向编码器,构建了TCNformer模型来实现精煤灰分多步预测。将时间序列对齐得到的与未来时刻灰分数据对应的过程变量序列作为解码器的输入,以提升模型预测精度。实验结果表明:该方法的平均绝对误差为0.1579%,均方根误差为0.2152%,平均皮尔逊相关系数为0.5051,能有效提升精煤灰分预测精度。
关键词
重介分选
精煤
灰分
预测
滞后相关性
时间序列
TCNformer
双向编码器
Keywords
dense medium separation
prediction of clean coal ash content
lag correlation
time series
TCNformer
bidirectional encoder
分类号
TD94 [矿业工程—选矿]
下载PDF
职称材料
题名
基于精煤灰分预测的重介悬浮液密度自动设定系统设计
被引量：
5
3
作者
孔利利
机构
中煤科工集团北京华宇工程有限公司
出处
《选煤技术》
CAS
2015年第4期68-71,共4页
文摘
为了使重介悬浮液密度及时适应选煤生产的需要,设计出重介悬浮液密度自动设定系统。根据重介选煤厂实际操作情况,先设计训练精煤灰分预测的BP神经网络,再采用Wincc、Matlab编写程序实现重介悬浮液密度的自动设定。该系统可以对一系列密度数据下的精煤灰分进行预测,根据预测结果选择最佳密度设定值,有利于提高精煤灰分的可控性。生产结果表明:在该系统设定的密度值下,精煤灰分在要求的范围内,说明系统运行效果良好。
关键词
重介选煤
精煤
灰分
预测
悬浮液密度设定
BP神经网络
Keywords
dense medium coal preparation
clean coal ash prediction
suspension density setting
BP neural network
分类号
TD948.9 [矿业工程—选矿]
下载PDF
职称材料
题名
基于浮选泡沫图像识别的精煤灰分预测系统
被引量：
6
4
作者
丁建军
白飞燕
任学禹
樊民强
机构
山西焦煤汾西矿业(集团)有限责任公司柳湾煤矿选煤厂
太原理工大学矿业工程学院
出处
《选煤技术》
CAS
2022年第4期89-93,共5页
文摘
为实现浮选过程的实时监测,柳湾煤矿选煤厂安装了一套智能浮选泡沫图像识别系统,通过在浮选机第1槽和第3槽安装图像拍摄系统,采集浮选机第1槽和第3槽泡沫图像,提取气泡颜色、气泡坍塌度、气泡尺寸及形状、气泡移动速度等特征,采用支持向量回归算法,建立了灰分预测模型。结果表明,第1槽和第3槽预测灰分与实际灰分的误差绝对值分别为0.34%和0.37%。
关键词
浮选
浮选泡沫图像识别
精煤
灰分
预测
系统
精煤
灰分
Keywords
flotation
froth image recognition
concentrate ash prediction system
ash content of concentrate
分类号
TD948.9 [矿业工程—选矿]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于EMD-LSTM的重介分选精煤灰分时间序列预测方法研究
程凯
王然风
付翔
《煤炭工程》
北大核心
2022
8
下载PDF
职称材料
2
基于时间序列对齐和TCNformer的重介精煤灰分多步预测
王珺
王然风
魏凯
韩杰
张茜
《工矿自动化》
CSCD
北大核心
2024
0
下载PDF
职称材料
3
基于精煤灰分预测的重介悬浮液密度自动设定系统设计
孔利利
《选煤技术》
CAS
2015
5
下载PDF
职称材料
4
基于浮选泡沫图像识别的精煤灰分预测系统
丁建军
白飞燕
任学禹
樊民强
《选煤技术》
CAS
2022
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
