[發明專利]一種鐵礦石的分類建模方法

有效

• 申請號: 201710351288.0
• 申請日: 2017-05-17
• 公開（公告）號: CN107169205B
• 公開（公告）日: 2020-02-11
• 發明（設計）人: 肖冬;李北京;毛亞純;柳小波
• 申請（專利權）人: 東北大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06K9/62
• 代理公司: 21234 沈陽優普達知識產權代理事務所(特殊普通合伙)
• 代理人: 李曉光

1.一種鐵礦石的分類建模方法，其特征在于：利用包含多個隱含層的ELM算法建立礦石的定量分析數學模型，利用所建立的數學模型定量預測分析各種礦石的種類，包括以下步驟：

1)選取多份鐵礦石樣本進行近紅外光譜實驗得出其光譜數據并保存；

2)使用主元分析法即PCA分析法對上述光譜數據進行壓縮，降低光譜數據矩陣的維數；

3)將壓縮后的光譜數據分為兩部分，利用其中一部分數據建立多個隱含層的ELM算法定量分析數學模型，利用建立的定量分析數學模型對另一部分數據進行測試，預測出被測試部分鐵礦石的種類；

建立多個隱含層的ELM算法定量分析數學模型為：

31)多個隱含層的ELM模型中激活函數G(x)取sigmoid函數(g(x)＝1/(1+e^-x))，隱含層節點數取20～60，隱含層數目取3～5；

32)計算權值，將得到的鐵礦石訓練集B₂₀中的160～200組近紅外光譜數據矩陣{X,T}＝{x_i,t_i}(i＝1,2,3....Q)，代入多個隱含層的ELM算法，計算得到網絡權值，根據權值建立定量分析數學模型；

多隱含層ELM算法包括以下步驟：

321)采集Q個訓練樣本{X,T}＝{x_i,t_i}(i＝1,2,3....Q)，X是輸入樣本，T是輸入樣本的標簽；多隱含層的ELM網絡結構的每一個隱含層都含有L個隱層節點；隱含層采用的激活函數為sigmod函數：g(x)＝1/(1+e^-x)；

322)隨機初始化輸入層與第一個隱含層之間的權值W和第一個隱含層的閾值B；

323)計算第一個隱含層的輸出H為：H＝g(WX+B)；并對H進行化簡得：H＝g(WX+B)＝g([BW][1 X]^T)＝g(W_IEX_E)，將其作為總的隱含層的輸出，并且令W_IE＝[B W],X_E＝[1 X]^T；

324)計算隱含層與輸出層之間的輸出權值矩陣β，當隱含層節點數L小于訓練樣本的數目Q時，采用計算權值；當隱含層節點數L大于訓練樣本的數目Q時，采用計算權值；其中I為一個單位矩陣，λ為0至1之間的一個隨機數；

325)并由β值可得到網絡的第i+1個隱含層的輸出矩陣H₁為：H₁＝Tβ⁺，且β⁺為β的廣義逆矩陣；且i＝1，2，3……；

326)計算第i個隱含層與第i+1個隱含層之間的權值W₁，計算第i+1個隱含層的閾值B₁，由H₁＝Tβ⁺且H₁＝g(W₁H+B₁)＝g([B₁ W₁][1 H]^T)＝g(W_HEH_E)經過g(x)的反函數運算得出W₁和B₁的值為：

且W_HE＝[B₁ W₁]，H_E＝[1 H]^T

得到第(i+1)個隱含層的期望輸出H₂：

H₂＝g(W_HEH_E)

其中，g^-1(x)為激活函數的反函數，且i＝1，2，3……；

327)更新隱含層的輸出權值β：和其中I為一個單位矩陣，λ為0至1之間的一個隨機數；

328)計算最終網絡結構的輸出：f(x)＝H₂β_new。