简介:摘要现阶段,随着社会的发展,我国的化工工程的发展也突飞猛进。国家经济发展过程中,化工原料具有不可或缺的应用价值,化工原料质量检验工作是化工产业发展的重要保障,但是就我国目前工作而言,存在一定的问题,需要进行有效改善,为了对其相关问题进行更为合理的解决,特此展开本次研究。
简介:摘要在本研究中,主要阐述了冶炼高炉烧结矿化学原料的配比的准确预测,通过分析烧结具体工艺原理以及特点,提出采用深度学习中的深度置信网络算法,能够准确预测烧结矿化学成分,建立具有深度置信网络为核心的准确预测模型。首先,需要进行深度置信网络结构和参数的设计,通过利用无监督贪婪算法能够完成模型训练,采用BP网络反向微调权值对整个模型进行优化,最后比较浅层预测算法,通过仿真结果表发现,利用这种方法所获得的预测值是与具体值之间的差距相对较小,具有较高的预测精确度,相比其他方法来说具有显著优势,表明在烧结矿化学原料配比上采用深度置信网络法,具有较高的准确预测效果和有效性。