<p id="xhh1v"><del id="xhh1v"></del></p><listing id="xhh1v"></listing>

<var id="xhh1v"></var>
<output id="xhh1v"></output>

        <ins id="xhh1v"><cite id="xhh1v"></cite></ins>
          <output id="xhh1v"><del id="xhh1v"><big id="xhh1v"></big></del></output>

          <dfn id="xhh1v"><form id="xhh1v"><output id="xhh1v"></output></form></dfn>

            合肥金星智控科技股份有限公司
            宣傳

            位置:中冶有色 >

            有色技術頻道 >

            > 化學分析技術

            > 基于神經網絡預測分層的多層軟測量建模系統及方法

            基于神經網絡預測分層的多層軟測量建模系統及方法

            1193   編輯:管理員   來源:中冶有色網  
            2023-03-19 07:20:10
            本發明一種基于神經網絡預測分層的多層軟測量建模系統及方法,方法包括:通過分析整個工藝過程的化學反應機理、物料平衡和能量守恒原理,確定難以測量的主導變量和易測量的輔助變量,然后建立功能良好的軟測量結構,來達到對主導變量實時監測的功能。本發明將傳統的RSM數學模型進行拆分多層,主要是將數據庫中的樣本點根據一定的規律相似特性進行分類,并采用神經網絡算法基于有限的樣本點分類情況建立弱分類預測數學模型,可以很好的對樣本點的分類進行預測,然后分別對不同類別的樣本點進行數學建模,從而建立不同類別樣本點的響應面數學模型,該方法可以最大限度的提高所建立數學模型的精度,減小預測誤差。
            登錄解鎖全文
            聲明:
            “基于神經網絡預測分層的多層軟測量建模系統及方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
            我是此專利(論文)的發明人(作者)
            分享 0
                     
            舉報 0
            收藏 0
            反對 0
            點贊 0
            標簽:
            化學分析
            全國熱門有色金屬技術推薦
            展開更多 +

             

            中冶有色技術平臺

            最新更新技術

            報名參會
            更多+

            報告下載

            赤泥綜合利用研究報告2025
            推廣

            熱門技術
            更多+

            衡水宏運壓濾機有限公司
            宣傳
            環磨科技控股(集團)有限公司
            宣傳

            發布

            在線客服

            公眾號

            電話

            頂部
            咨詢電話:
            010-88793500-807
            專利人/作者信息登記
            久爱国产精品一区免费视频_无码国模国产在线观看_久久久久精品国产亚洲A_国产综合精品无码

            <p id="xhh1v"><del id="xhh1v"></del></p><listing id="xhh1v"></listing>

            <var id="xhh1v"></var>
            <output id="xhh1v"></output>

                  <ins id="xhh1v"><cite id="xhh1v"></cite></ins>
                    <output id="xhh1v"><del id="xhh1v"><big id="xhh1v"></big></del></output>

                    <dfn id="xhh1v"><form id="xhh1v"><output id="xhh1v"></output></form></dfn>