典型文献
基于大数据的铜板带成品率预测
文献摘要：
针对江西某铜板带生产企业,根据历史数据分析了该企业车间部门铜板带生产表面缺陷,构建了铜板带工艺参数采集大数据平台,并对数据做了清洗和存储,利用Spark实现PCA主成分机器算法在线降维,为了预测车间产品成品率,建立了BP_AdaBoost模型,并在构建好的铜板带生产数据云服务存储仓库中挑选出8个变量作为输入,1个变量作为输出,对铜板带生产成品率进行预测.通过网络训练后,AdaBoost算法改进得到的BP_AdaBoost模型模型成品率预测误差低于0.3,相比于未改进的BPNN模型精确率更高,综合拟合度大于0.95,拟合性能好,在铜板带生产企业实际预测精剪成品率时具有显著的非线性映射关系.
文献关键词：
铜板带缺陷;BP神经网络;BP_AdaBoost模型;成品率预测;大数据
中图分类号：
作者姓名：
张呈熙;靖青秀;彭建
作者机构：
江西铜业股份有限公司 贵溪冶炼厂,江西贵溪 335424;江西理工大学 材料冶金化学学部,江西赣州 341000
文献出处：
引用格式：
[1]张呈熙;靖青秀;彭建-.基于大数据的铜板带成品率预测)[J].有色冶金设计与研究,2022(02):25-29
A类：
成品率预测,铜板带缺陷
B类：
生产企业,历史数据,表面缺陷,带工,参数采集,大数据平台,Spark,分机,机器算法,AdaBoost,建好,生产数据,据云,云服务,仓库,挑选出,产成品,网络训练,算法改进,进得,预测误差,未改,BPNN,精确率,拟合度,剪成,非线性映射,映射关系
AB值：
0.266835
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
