期刊导航
期刊开放获取
河南省图书馆
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
1
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PSO-GRNN的含钛高炉渣活化焙烧浸出成分预测模型
1
作者
张宁
何茂琪
方文
《中国矿业》
北大核心
2024年第S01期453-459,468,共8页
活化焙烧是一种回收利用含钛高炉渣中钛资源的新方法。为通过反应条件快速获得回收渣中成分含量,建立了基于粒子群优化的广义回归神经网络(PSO-GRNN)预测模型。借助斯皮尔曼(Spearman)相关性分析筛选特征变量作为模型输入,利用PSO优化G...
活化焙烧是一种回收利用含钛高炉渣中钛资源的新方法。为通过反应条件快速获得回收渣中成分含量,建立了基于粒子群优化的广义回归神经网络(PSO-GRNN)预测模型。借助斯皮尔曼(Spearman)相关性分析筛选特征变量作为模型输入,利用PSO优化GRNN神经网络的权重与节点阈值,通过与偏最小二乘回归(PLS)、随机森林(RF)以及支持向量回归(SVR)算法的对比,确定了提出模型的优势。研究结果表明,PSO-GRNN具有最小的RMSE和最大的R2,表明在该数据集上所设计的PSO-GRNN有最佳的模型性能,可以为后续实验或工业应用提供一定的指导。
展开更多
关键词
广义回归神经网络
粒子群优化
回归模型
含钛高炉渣
活化焙烧
下载PDF
职称材料
题名
基于PSO-GRNN的含钛高炉渣活化焙烧浸出成分预测模型
1
作者
张宁
何茂琪
方文
机构
矿冶科技集团有限公司
矿冶过程智能优化制造全国重点实验室
出处
《中国矿业》
北大核心
2024年第S01期453-459,468,共8页
文摘
活化焙烧是一种回收利用含钛高炉渣中钛资源的新方法。为通过反应条件快速获得回收渣中成分含量,建立了基于粒子群优化的广义回归神经网络(PSO-GRNN)预测模型。借助斯皮尔曼(Spearman)相关性分析筛选特征变量作为模型输入,利用PSO优化GRNN神经网络的权重与节点阈值,通过与偏最小二乘回归(PLS)、随机森林(RF)以及支持向量回归(SVR)算法的对比,确定了提出模型的优势。研究结果表明,PSO-GRNN具有最小的RMSE和最大的R2,表明在该数据集上所设计的PSO-GRNN有最佳的模型性能,可以为后续实验或工业应用提供一定的指导。
关键词
广义回归神经网络
粒子群优化
回归模型
含钛高炉渣
活化焙烧
Keywords
Generalized Regression Neural Network
Particle Swarm Optimization
regression model
titanium-containing blast furnace slag
activation roasting
分类号
TF711 [冶金工程—钢铁冶金]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PSO-GRNN的含钛高炉渣活化焙烧浸出成分预测模型
张宁
何茂琪
方文
《中国矿业》
北大核心
2024
0
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