基于机理和XGBoost算法的LF精炼钢水成分预测模型

以我国某钢厂120 t LF精炼炉为研究对象,通过建立由冶炼机理模型和XGBoost模型相结合的混合模型,预测LF精炼过程中的钢水成分并进行实际应用。结果表明,模型预测终点碳、硅、锰、铝等元素均处于内控范围内,并平均减少了每炉钢取样工序0.8次,提高了生产效率。

基于RBF和SVM的古代玻璃制品成分预测与分类

中国古代玻璃易受埋藏环境的影响而风化。在风化过程中,内部元素和埋藏环境中的元素进行大量转换,易引起其化学成分比率改变,进而影响对文物中玻璃类型的准确判定。该文利用RBF神经网络将文物颜色、纹饰、未风化的数据作为基函数输入实现对已风化的玻璃文物的化学成分比例的未知函数逼近,得出玻璃文物风化前的化学成分比例,建立C-支持向量分类机,利用MATLAB程序训练得出SVM的支持向量及线性分类函数,通过输入样本标准化数据判断网络模型的合理性通过之后,利用判别函数C(x)来分析玻璃文物的分类规律,当C(x)≥0,x属于第1类高钾型;当C(x)<0,x属于第2类铅钡型。

基于综合建模方法的铅锌烧结块成分预测

针对铅锌烧结过程异常复杂的实际情况,提出了一种既可保证预测精度又满足配料计算对数据完备性要求的铅锌烧结块成分预测智能集成模型。该模型综合了机理与多种智能建模方法的优点,对于正常生产情况(即数据完备区),通过模糊分类/组合以及神经网络NN分段描述方法建立了成分预测的监督式分布神经网络模型;对于异常或不常用工况(即数据不完备区),通过专家经验规则修正部分假定或统计参数方式建立经验机理模型;采用串、并联形式将2种模型有机结合,并通过专家推理进行集成协调与更新修正,形成智能集成模型,实现成分可靠、准确的在线预测。在实际生产中运用该模型,烧结块铅、锌成分预测的相对误差分别为1.51%和0.41%。

基于系统药理学方法的四君子汤活性成分预测

目的:通过系统药理学方法预测四君子汤的活性成分。方法:利用系统药理学方法,构建四君子汤分子数据库,采用口服生物利用度和类药性评估对四君子汤的活性成分进行预测。结果:四君子汤中有52个化合物满足口服生物利用度(OB)≥30%,类药性指数(DL)≥0.18。结论:四君子汤中有52个化合物具有较好的药理学活性,可进行下一步化合物-靶点-疾病(C-T-D)网络构建的研究。

基于全矢支持向量回归的设备频谱成分预测研究

支持向量机(SVM)在解决小样本、非线性及高维问题方面表现突出,支持向量回归(SVR)目前被广泛应用于设备状态趋势预测中用于故障定量分析。故障预测用于定性分析的相对较少,为进一步提高其预测精度,结合基于同源信息融合的全矢谱技术进行倍频成分预测。该方法采用全矢谱技术融合双通道信息,相比传统单通道信号提取方法,保障了SVR预测数据特征提取的完整性,提高预测精度。对特征频率进行分别预测,然后重新生成预测的频谱图。该方法应用于某电厂1号汽轮机振动数据的预测,实验结果表明,全矢支持向量回归(FVSVR)频谱成分预测方法具有较高的预测精度,可以对一些故障定性分析。

甘蔗糖厂混合汁浮渣水溶性物质成分预测

采用热水直接浸提法和热水浸提醇沉两种方法对甘蔗糖厂混合汁浮渣水溶性物质进行浸提,利用了试管系统预试法对两方法处理后的样品进行成分预测。结果表明:两方法处理后的样品在化学成分上基本相同,主要包括氨基酸、多肽和蛋白质;糖、多糖和苷类;鞣质;有机酸;黄酮类;蒽醌类;酚类;香豆精和内酯;强心苷;植物甾醇和萜类;生物碱及其它含氮类化合物成分。但皂苷和挥发油成分未被检出。

CO_2气保护堆焊药芯焊丝熔敷金属化学成分预测

在介绍了人工神经网络模型特点的基础上，结合堆焊过程的复杂性，对用人工神经网络预测 CO2气体保护堆焊药芯焊丝熔敷金属化学成分的方法进行了研究。研究发现用人工神经网络可以行之有效地解决焊接过程中的一系列复杂的、无法用数学解析式表达的非线性问题。为解决焊接冶金非平衡过程问题探索了一条新的途径。

烧结块成分预测的神经网络模型

提供出了一种烧结块成分预测的神经网络模型,并通过仿真验证了其可行性,解决了铅锌冶炼烧结过程的建模难度问题。

提高烧结矿成分预测准确度的实践

由于部分物料无法直接准确得知成分以及白云石不能稳定足量供应,影响了烧结矿成分的预测准确度。通过优化烧结配料计算方法,利用TFe偏差修正、放弃MgO修正、更新矿料成分重新计算偏差以及保持混匀料配比稳定等,使烧结矿TFe预测偏差在-0.25%,SiO_2预测偏差为-0.09%,满足预测精度要求。

手工焊条熔敷金属化学成分微机辅助预测

从手工焊焊接冶金过程气氛中吸入的氧量以及渣与金属平衡问题研究入手，利用微机对熔敷金属化学成分进行推算，从而可预测不同渣系下药皮配方和不同焊接规范下的熔敷金属主要成分。计算结果与实测结果比较吻合，从而证明了这种计算思路是可行的。

基于PNN和IGS的铅锌烧结块成分智能集成预测模型

针对复杂的烧结块成分预测问题,提出一种基于过程神经网络和改进灰色系统的铅锌烧结块成分智能集成预测模型.首先利用过程神经网络可充分表达时间序列中时间累积效应、灰色系统可弱化数据序列波动性的特点,分别对烧结块成分进行预测,然后从信息论的观点出发,提出一种确定各预测模型加权系数的熵值递推算法,通过对两个预测模型的预测结果进行加权集成,获得更加准确的铅锌烧结块成分预测结果.结果表明,智能集成模型的预测精度高于单一预测模型,能有效地对烧结块成分进行预测,满足了配料计算对预测精度和数据完备性的要求.

机器学习方法对砂砾岩岩屑成分的预测——以西北缘X723井百口泉组为例

选择凝灰岩岩屑作为预测对象,对测井数据进行标准化处理,对砂砾岩储层薄片鉴定结果和测井数据进行相关性分析,优选对岩屑敏感的CNL、GR、RT、RI、SP测井参数作为训练学习的对象;分别利用SVM、BP神经网络、CART、BP神经网络-Bagging、CART-Bagging、随机森林等机器学习方法建立岩屑预测模型,对西北缘X723井百口泉组岩屑成分进行预测、对比和分析。结果表明:单个机器学习方法预测效果不佳,而经集成学习方法优化的BP神经网络-Bagging、随机森林取得较好的实验结果,尤其是随机森林的预测效果最好,平均相对误差绝对值为17.17%,证实机器学习方法在本工区预测岩屑成分是有效的,可以进行推广。

上尿路结石CT值预测结石成分及对体外冲击波碎石术的指导意义

目的:探究上尿路结石CT值预测结石成分对体外冲击波碎石术应用的指导意义。方法:随机选取2018年12月~2020年12月本院泌尿外科接收上尿路结石患者100例作为研究病例,采用计算机抽号方式分组,可分对照组(n=50)和观察组(n=50),本院对两组患者均应用上尿路结石CT值预测结石成分,对照组行常规碎石术,观察组则依照结石成分行相应体外冲击波碎石术,分析不同成分结石患者平均CT值,对比两组患者手术冲击次数、一次碎石成功率以及并发症发生率。结果:不同成分结石患者CT值也存在差异(P<0.05);观察组患者手术冲击次数少于对照组(P<0.05);观察组患者一次碎石成功率高于对照组(P<0.05);观察组患者并发症发生率低于对照组(P<0.05)。结论:对体外冲击波碎石术患者应用上尿路结石CT值预测结石成分效果显著,可为治疗方案提供科学依据,提升治疗效果,减少并发症发生,值得推广。

精炼过程中精炼渣成分的动力学计算

精炼渣在精炼过程中起到至关重要的作用,精炼渣不仅有保温、稳定电弧和防止钢液二次氧化的作用,还能降低钢中全氧含量(T[O])和吸收非金属夹杂物,提升钢液的洁净度。因此,合理的精炼渣成分可以使钢中的T[O]降低,也能控制钢中的夹杂物细小化。为了明晰精炼过程中精炼渣成分随时间的变化趋势,考虑耐火材料对渣-金反应界面的影响,基于双模理论建立了渣-钢-耐火材料耦合反应动力学模型,并利用模型计算结果探讨不同精炼渣组分在精炼过程中的成分变化规律。结果表明,随着反应的进行,精炼渣中CaO和MgO氧化物含量降低,而Al_(2)O_(3)和SiO_(2)氧化物含量升高,碱度有所降低。除Al_(2)O_(3)由于耐火材料的侵蚀外,精炼渣需要5 min左右就能达到基本平衡。改变精炼渣中各组分的初始含量,反应前后的成分整体变化不大。

基于成分数据的区域性人力资源分布预测与失衡测度

本文基于2007-2009年的统计数据,从地区间各产业人力资源比例失衡、地区间人力资源与经济发展速度失衡、地区间单位人力资源的产出效率失衡三个角度对我国区域型人力资源失衡的现象进行分析,探讨区域性人力资源失衡的发展趋势;文章运用成分数据预测模型,预测2010-2011年各地区三大产业的实际就业人数,在此基础上提出人力资源失衡的测度模型。

多因变量多元线性模型主成分型预测的最优性判别

针对多因变量多元线性模型有偏预测问题,结合主成分估计,构造主成分型预测量。通过主成分型预测与最优线性无偏预测的最优性判别问题进行分析,分别得到了主成分型预测在R(i)(·)准则、MDE-准则及RT(·)下优于最优线性无偏预测的充分条件。结果表明,在一定条件下,有偏的主成分型预测优于最优线性无偏预测。

采用电厂日常煤质检测数据预测元素分析成分

元素分析是煤能量转换过程效率分析的基本数据,常用于确定电厂锅炉燃烧空气量、排烟烟气量以及烟气成分等参数,可帮助运行人员选择合理的炉膛送风量,降低排烟热损失和风机电耗。元素成分的检测较为复杂,而工业分析成分容易进行。给出一种根据电厂日常检测的工业分析数据确定煤的元素成分含量的方法,该方法建立了工业分析成分和元素分析成分之间的关联式,以及发热量和元素成分之间的关联式,通过求解这些关联式和元素成分约束方程组成的方程组,得到煤元素成分含量的多变量线性模型。研究表明,在95%的置信概率下,C_(daf)、H_(daf)、O_(daf)、N_(daf)等元素质量分数预测不确定度为4.61、1.16、3.74和0.53。

分提橄榄油中主要脂肪酸成分傅里叶变换红外光谱法测量(英文)

为了测量从橄榄油中分提的高、低熔点油脂的脂肪酸成分,在4000～600cm-1的范围测量了31个含有不同脂肪酸成分植物油的傅里叶变换红外光谱,用于建立偏最小二乘(PLS)回归分析校正模型。在油脂的傅里叶变换红外光谱变量和脂肪酸组成变量之间建立了交叉验证的PLS校正模型。为了校正油酸和亚油酸含量,在4000～600cm-1的频率范围,经平滑,二阶导数,规范化处理的红外光谱获得了最好的交叉验证校正模型和最佳的预测结果。PLS校正模型预测结果表明,与高熔点橄榄油(油酸,72.29%,亚油酸,9.98%)相比,低熔点橄榄油含有较高的油酸含量和亚油酸含量(油酸,77.46%,亚油酸,12.51%),预测的结果与气相色谱测量的结果有很好的一致性。建立的PLS校正模型预测橄榄油的不饱和脂肪酸含量具有较好的相关性。该研究为分提油脂质量的判别评价提供了便捷的方法。

基于近红外光谱技术的水稻种子成分分析模型的建立

对单粒种子样品成分进行快速无损检测,对于作物遗传育种研究有着重要意义。本文采用近红外光谱技术(NIR)和偏最小二乘回归法(PLSR),研究了水稻种子的近红外光谱特性及其与直链淀粉、蛋白质含量的关系,建立了基于NIR的水稻种子成分快速检测模型。通过比较几种不同的光谱预处理方法对于单粒和群体样品模型的效果,对模型进行了优化。结果显示,多元散射校正(MSC)对单粒样品模型的优化作用显著,而一阶导数对单粒和群体样品模型改善都有明显的效果。模型评价参数显示,预测效果良好,为基于NIR的水稻单粒种子成分分析提供技术支撑。

基于归纳矩阵填充预测中药潜在活性成分

目的为解决中药有效成分信息缺失、药效物质基础不清楚导致其现代作用机制不明的问题,借助中药药性信息和成分的化学结构信息,利用归纳矩阵填充方法预测中药潜在活性成分。方法首先,基于中药药性和化学成分信息构建中药-成分关联矩阵;其次,利用中药-成分关联矩阵中潜在的结构信息、中药药性信息和成分的化学结构信息,构建中药相似度矩阵和成分相似度矩阵;最后,基于中药相似度矩阵和成分相似度矩阵填充中药-成分关联矩阵。结果归纳矩阵填充在中药数据集中使用留一法交叉验证得到的曲线下面积(area under curve,AUC)值为0.7688。对丹参进行分析,丹参的活性化学成分隐丹参酮、丹参酮IIA、丹参酚醌和丹参醇等分别获得了较高的评分,该预测结果与实际相一致。结论借助归纳矩阵填充结合中药药性信息和成分的化学结构信息,可有效预测中药的潜在活性成分,为研究中药的现代作用机制提供了新的途径。