基于范数优化极限学习机的矿浆浓度预测.pdfVIP

第 25卷第 8期 中 国 矿 业 Vo1．25，No．8 2016年 8月 CHINA M INING MAGAZINE Aug． 2O16 基于范数优化极限学习机的矿浆浓度预测 王 欢 ，姜昌伟 ，徐 鑫 ，孙为平 ，鲁鹏云 ，张德政 (1．鞍钢集团矿业公司，辽宁 鞍山 114001；2．北京科技大学计算机与通信工程 学院，北京 100083； 3．材料领域知识工程北京市重点实验室，北京 100083) 摘 要 ：选矿过程中的矿浆浓度是一个重要 的生产工艺参数 ，一般可 以通过预测矿浆浓度来提高生 产效率。由于矿浆浓度和其他的生产工艺参数往往非线性相关，这给矿浆浓度 的预测带来 了很大困难 。 本文针对此问题 ，基于极限学习机这一面向神经网络 的新颖学习算法 ，提 出了一种矿浆浓度预测新算法 。 首先 ，使用相空间重构方法对矿浆浓度数据进行预处理，从一维转换到多维。然后，使用基于 L2范数的极 限学习机算法(ELM—L2)建立时序预测模型，实现预测功能。围绕来 自于某矿厂的真实生产数据进行 了实 验验证 ，结果显示 ，针对大规模 的数据样本集 ，所设计 的算法与传统神经网络预测算法相 比，训练时间大约 减少了3O ，而预测精度大约提高了48 。实验结果表明了所设计预测算法 的有效性 。 关键词 ：极限学习机 ；相空间重构 ；矿浆浓度 ；预测 中图分类号 ：TP3，TD9 文献标识码 ：A 文章编号 ：1004—4051(2016)08—011205 A predictionalgorithm forpulpconcentrationusing norm-optimizedextrem elearningmachine W ANG Huan ，JIANG Changwei ，XU Xin ，SUN W ei—ping ，LU Peng—yun ，ZHANGDe—zheng。’。 (1．AnsteelMining，Anshan114001，China；2．SchoolofComputerandCommunicationEngineering， UniversityofScienceandTechnologyBeijing，Beijing100083，China； 3．BeijingKeyLaboratoryofKnowledgeEngineeringforMaterialsScience，Beijing100083，China) Abstract：Pulpconcentrationasoneofthemostimportantproduction parametersplaysan important roleintheoreproduction．Generally，theproduction efficiencycan beimproved by aprediction forpulp concentration．Since there are some nonlinear relationships between the pulp concentration and other productionparameters，itimposesvery challenging obstaclestO addressthisissueofprediction．A novel pred