[發明專利]一種基于PSO-ELM算法的燒結礦質量預報方法在審
| 申請號： | 202011630359.9 | 申請日： | 2020-12-31 |
| 公開（公告）號： | CN112992284A | 公開（公告）日： | 2021-06-18 |
| 發明（設計）人： | 張爽;胡悅嫣;胡清河 | 申請（專利權）人： | 無錫東研信科科技研發有限公司;東北大學無錫研究院;無錫東研智能科技有限公司 |
| 主分類號： | G16C20/20 | 分類號： | G16C20/20;G16C20/70;G06N3/08 |
| 代理公司： | 深圳市科吉華烽知識產權事務所(普通合伙) 44248 | 代理人： | 胡吉科 |
| 地址： | 214000 江蘇省*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 pso elm 算法 燒結 質量 預報 方法 | ||
1.一種基于PSO-ELM算法的燒結礦質量預報方法，其特征在于本方法包括以下步驟：
(1)獲取待檢測的燒結礦樣本數據，包括化學成分、物理特性；
(2)對所述燒結礦數據進行處理，建立基于粒子群算法優化的極限學習機神經網絡燒結礦質量預報模型。
2.根據權利要求1所述的一種基于PSO-ELM算法的燒結礦質量預報方法，其特征在于基于粒子群算法優化的極限學習機神經網絡燒結礦質量預報模型依據以下步驟進行建立：
(1)設置粒子群算法優化的極限學習機神經網絡的參數，其中，設置輸入層的節點個數為n，設置輸出層的節點為1；
(2)將燒結礦混合料成分作為所述粒子群算法優化的極限學習機神經網絡的輸入數據；
(3)將所述燒結礦的TFe、CaO、SiO2數據分別作為所述每個粒子群算法優化的極限學習機神經網絡的輸出數據；
(4)使用粒子群算法得到所述極限學習機神經網絡的最優權重矩陣、最優偏置向量；
(5)將所述最優權重矩陣設置為所述粒子群算法優化的極限學習機神經網絡的權重矩陣；
(6)將所述最優偏置向量設置為所述粒子群算法優化的極限學習機神經網絡的偏置向量；
以此獲得的基于粒子群算法優化的極限學習機神經網絡即為燒結礦質量預報模型。
3.根據權利要求2所述的燒結礦質量預報方法，其特征在于方法中所述改進粒子群算法優化的極限學習機神經網絡采用Sigmoid函數作為激活函數使用。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于無錫東研信科科技研發有限公司;東北大學無錫研究院;無錫東研智能科技有限公司，未經無錫東研信科科技研發有限公司;東北大學無錫研究院;無錫東研智能科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011630359.9/1.html，轉載請聲明來源鉆瓜專利網。
