| 【中文题名】 | 基于神经网络的选矿厂数学模型及应用研究 |
| 【英文题名】 | |
| 【学科专业】 | 矿物加工工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2002-10-15 |
| 【中关键词】 | 浮选,铜矿,人工神经网络,主成分分析,探索性数据分析,SPSS统计分析软件 |
| 【英关键词】 | floatation,copper mineral,ANN,Principal Components Analysis,Exploratory Data Analysis,SPSS,control of prediction, |
| 【分类导航】 | 工业技术>矿业工程>选矿>选矿流程与方法>选矿厂> |
| 【论文摘要】 |
选矿厂数学建模问题一直是选矿工作者研究的热点，近年来，神经网络技术的引入，进一步改善了选矿厂数学建模的准确性和可靠性，丰富了选矿厂建模的理论和方法。然而，选矿实际要求的是更为复杂和合理的非线性数学模型，仅靠神经网络技术是无法完成的。本文综合使用神经网络技术、探索性数据分析技术、主成分分析技术、SPSS统计分析软件对选厂数学模型进行了进一步的研究探索：
1、针对选矿实际生产数据之间的关系性，即：除部分为线性、近似线性和简单非线性关系之外，大部分为复杂非线性关系这一特点，提出将主成分分析法与神经网络BP模型相结合，解决了BP模型输入、输出因素之间的相关性问题，提高了所建模型的质量。
2、利用近年统计界新兴起的探索性数据分析技术对选矿生产数据之间的规律性进行探索，目的在于挖掘出在现有选矿条件下可能达到的更优的选矿效益，寻找选矿厂精矿品位和回收率可能达到的更好组合。提高选厂的工作效率与效益。
3、利用主成分分析—神经网络BP模型对探索性数据分析方法得出的结论进行进一步预测(本论文以浮选为例)，即：以已得出的选别结果(较佳的精矿品位和回收率的组合)为输入因素，以选矿条件... |
| 【论文题纲】 |
|
中文摘要 |
16-17 |
|
英文摘要 |
17-19 |
|
目录 |
19-20 |
|
第一章 文献综述 |
20-34 |
|
第一节 神经网络简介 |
20-24 |
|
第二节 神经网络的应用及研究现状 |
24-25 |
|
第三节 SPSS及主成分分析法的应用及研究现状 |
25-28 |
|
第四节 探索性数据分析简介 |
28-29 |
|
第五节 选矿厂数学建模 |
29-32 |
|
第六节 选题的意义 |
32-34 |
|
第二章 人工神经网络在选厂中的应用及研究 |
34-52 |
|
第一节 概述 |
34-40 |
|
第二节 选矿厂预测模型 |
40-41 |
|
第三节 应用神经网络建立浮选模型 |
41-52 |
|
第三章 主成分分析法与人工神经网络结合在选矿中建模 |
52-64 |
|
第一节 主成分分析法 |
52-53 |
|
第二节 主成分分析法的几何意义与一般数学模型 |
53-55 |
|
第三节 主成分的求法 |
55-57 |
|
第四节 主成分分析法与人工神经网络结合建模的意义 |
57-58 |
|
第五节 实例分析 |
58-63 |
|
第六节 结论 |
63-64 |
|
第四章 探索性数据分析方法用于选矿药剂的确定 |
64-86 |
|
第一节 概述 |
64 |
|
第二节 箱线图及其耐抗性 |
64-67 |
|
第三节 箱线图在选矿中的应用 |
67-83 |
|
第四节 箱线图的批比较 |
83-84 |
|
第五节 探索性数据分析方法在选厂中应用的意义 |
84-86 |
|
第五章 基于主成分分析的人工神经网络与箱线图在选厂中联合应用 |
86-95 |
|
第一节 选矿模型的建立及思想 |
86-88 |
|
第二节 实例应用 |
88-90 |
|
第三节 利用主成分分析—神经网络BP模型进行验证及预测 |
90-93 |
|
第四节 结论 |
93-95 |
|
第六章 结论 |
95-96 |
|
参考文献 |
96-99 |
|
致谢 |
99 |
|
| 【DOI】 | LunWen.ID:2.2008.68546 |
