-
题名基于k-NN模型的钢坯入炉温度预测
- 1
-
-
作者
张仁琳
-
机构
福建三钢(集团)有限责任公司中板厂
-
出处
《福建冶金》
2023年第3期24-26,共3页
-
文摘
在中厚板生产中,加热工序是决定后续轧制过程是否稳定的重要环节。同时为了提高经济效益,实现节能减排,加热工序往往会根据原料本身的温度情况来制定相应的加热工艺。换热系数是建立钢坯温降计算模型的核心参数,由于其影响因素繁多且复杂,很难有一个固定的模型来计算。本文提出一种简单有效的基于k-NN算法的温度预测模型,寻找目标钢坯与样本钢坯之间的相似度,然后通过IDW加权平均算法,预估出目标钢坯的入炉温度。实际应用表明,模型预测温度与实测温度绝对误差控制在30℃以内的占比达95%以上。
-
关键词
钢坯温度
k-nn模型
温度预测
-
Keywords
billet temperature
k-nn algorithm
temperature prediction
-
分类号
TG307
[金属学及工艺—金属压力加工]
-
-
题名基于优化k-NN模型的高山松地上生物量遥感估测
被引量:10
- 2
-
-
作者
谢福明
字李
舒清态
-
机构
西南林业大学林学院
-
出处
《浙江农林大学学报》
CAS
CSCD
北大核心
2019年第3期515-523,共9页
-
基金
国家林业公益性行业科研专项(201404309)
国家自然科学基金资助项目(31460194
+1 种基金
31060114)
云南唐守正院士工作站资助项目
-
文摘
针对传统k-最近邻法(k-nearest neighbor,k-NN)在搜索最近邻单元时赋予特征变量相等的权重,缺少对特征变量加权优化等不足问题,在云南省香格里拉市,以高山松Pinus densata为研究对象,基于49块实测标准地,116株高山松样木和Landsat 8/OLI影像,在前期进行基于遗传算法(genetic algorithm,GA)优化的k-NN模型实现的基础上,对k-NN的3个参数(k,t和d)进行反复测试优化组合,在像元尺度上对研究区高山松地上生物量进行遥感估算。结果表明:基于遗传算法优化的k-NN模型精度优于传统的k-NN模型,优化前均方根误差为30.0 t·hm^(-2),偏差为-0.418 t·hm^(-2),相对标准误差百分比(R_(MSE))为54.8%;优化后均方根误差为24.0 t·hm^(-2),偏差为-0.123 t·hm^(-2),R_(MSE)为43.7%。基于优化k-NN模型的研究区高山松地上生物量总储量估测结果为0.89×10~7t。
-
关键词
森林测计学
k-nn模型
遗传算法
LANDSAT
8/OLI
地上生物量
高山松
-
Keywords
forest mensuration
k-nn model
genetic algorithm
Landsat 8/OLI
aboveground biomass
Pinus densata
-
分类号
S758.5
[农业科学—森林经理学]
-
-
题名模糊聚类与k-NN法大型发电设备状态预警模型
被引量:1
- 3
-
-
作者
宋美微
赵明
何屏
-
机构
昆明理工大学冶金与能源工程学院
云南电网有限责任公司电力科学研究院
-
出处
《工业加热》
CAS
2016年第6期42-44,57,共4页
-
文摘
根据设备运行的历史数据,运用模糊聚类和k-NN证据分类的方法,建立设备的运行状态模型,对水火电发电设备的运行状态进行判断,并对异常、故障状态进行预警。最后以红河1号机组#1高压加热器2014年1月用来聚类的4000组样本数据及其隶属度矩阵作为证据k-NN的训练集,2月某两天运行数据进行测试。验证模型能够如实反映设备异常状态,证明了模型的可靠性。
-
关键词
发电设备
状态预警
模糊聚类
k-nn模型
-
Keywords
power generating equipment
warning status
fuzzy clustering
k-nn model
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-