首站-论文投稿智能助手
典型文献
主动半监督RVFLN方法在重介质选煤过程的应用
文献摘要:
实际选煤过程中一些关键质量参数往往依靠人工化验,使得感知数据稀疏,即标签数据较少.建立数据驱动技术的选煤产品质量软测量模型需要采用半监督学习(SSL)方法.然而,SSL对提高模型质量比较有限,容易导致建立的数据驱动模型存在较大误差.本文充分分析样本信息度、样本代表性与过程非线性对建模精度的重要性,将随机向量函数链接网络(RVFLN)与基于多样性评价指标的主动学习(AL)策略相结合,提出一种主动半监督随机向量函数链接网络(ASS-RVFLN)的选煤灰分软测量建模方法.所提方法首先通过回归问题进行试验研究,验证了在获得较好模型性能时能够有效减少标注负担;然后应用于煤炭工业重介质选煤过程中的灰分估计,表明其有效性与工业应用的潜力.
文献关键词:
选煤过程;半监督学习;随机向量函数链接网络;主动学习;软测量建模
作者姓名:
胡金成
作者机构:
中煤科工集团常州研究院有限公司,江苏常州 213015;天地(常州)自动化股份有限公司,江苏常州 213015
引用格式:
[1]胡金成-.主动半监督RVFLN方法在重介质选煤过程的应用)[J].中国矿业大学学报,2022(06):1232-1240
A类:
RVFLN
B类:
重介质选煤,选煤过程,关键质量参数,人工化,化验,感知数据,数据稀疏,标签数据,数据驱动技术,软测量模型,半监督学习,SSL,质量比较,数据驱动模型,信息度,非线性对,建模精度,随机向量函数链接网络,多样性评价,主动学习,AL,ASS,煤灰分,软测量建模,回归问题,模型性能,煤炭工业,工业应用
AB值:
0.303933
相似文献
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。