-
公开(公告)号：CN114329940A
公开(公告)日：2022-04-12
申请号：CN202111588992.0
申请日：2018-02-05
Applicant: 北京科技大学
Abstract: 本发明提供一种基于极限学习机的连铸坯质量预测方法，属于钢铁冶金技术领域。该方法首先采集连铸坯实际生产所涉及的数据，找到影响连铸坯质量的影响因素，然后对所选取的样本数据进行预处理并根据这些数据来确定极限学习机计输入节点个数、输出节点个数，之后，将训练数据集输入极限学习机中完成对极限学习机的训练，最后输入剩余的样本数据，完成对连铸坯质量的缺陷等级分类。该方法训练速度快、预测精度高、适应性较好，较基于统计学方法、专家系统、BP神经网络等连铸坯质量预测模型的预测精度和运算速度都有了明显的提升，进而可对连铸坯的质量进行及时和精确判定。
-
公开(公告)号：CN108256260A
公开(公告)日：2018-07-06
申请号：CN201810109564.7
申请日：2018-02-05
Applicant: 北京科技大学
Abstract: 本发明提供一种基于极限学习机的连铸坯质量预测方法，属于钢铁冶金技术领域。该方法首先采集连铸坯实际生产所涉及的数据，找到影响连铸坯质量的影响因素，然后对所选取的样本数据进行预处理并根据这些数据来确定极限学习机计输入节点个数、输出节点个数，之后，将训练数据集输入极限学习机中完成对极限学习机的训练，最后输入剩余的样本数据，完成对连铸坯质量的缺陷等级分类。该方法训练速度快、预测精度高、适应性较好，较基于统计学方法、专家系统、BP神经网络等连铸坯质量预测模型的预测精度和运算速度都有了明显的提升，进而可对连铸坯的质量进行及时和精确判定。
-
Search Results
2
records
(took 0.035 seconds)
