基于卷积神经网络的电选粉煤灰颗粒图像识别与烧失量预测模型

刘仲博

首页> 中文期刊> 《中国矿业》 >基于卷积神经网络的电选粉煤灰颗粒图像识别与烧失量预测模型

基于卷积神经网络的电选粉煤灰颗粒图像识别与烧失量预测模型

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

粉煤灰烧失量预测是对其合理利用的前提,常规实验方法成本高,常常不能满足现场需求.针对此问题本文提出了基于卷积神经网络的电选粉煤灰颗粒图像识别与烧失量预测模型,引入了A dam算法和dropout技术对卷积神经网络进行改进,将粉煤灰颗粒图像的灰度均值、灰度方差、能量和熵值4个特征参数作为输入量,将粉煤灰烧失量的实验值作为输出量,从不同地区的电厂采集高低烧失量的两种粉煤灰进行配比后开展实验研究,基于实验样本点进行学习和训练后开展烧失量预测.综合考虑相关性和模型训练精度,选取学习率为0.010时的卷积神经网络预测模型,引入dropout技术卷积神经网络模型与实际实验数据数值偏差为0.0907,预测的数值相关性为0.9750,预测的误差相对较小.研究结果表明:dropout技术能够有效避免过拟合现象,与深度神经网络、长短期记忆网络和BP神经网络相比,卷积神经网络模型对粉煤灰图像具有较好的数据特征提取能力,具有广泛的应用前景.

著录项

来源
《中国矿业》 |2021年第5期|125-129|共5页
作者
刘仲博;
展开▼
作者单位

宁夏职业技术学院宁夏银川750022;

展开▼
原文格式 PDF
正文语种 chi
中图分类选煤;
关键词
卷积神经网络; 粉煤灰; 烧失量; 图像识别; 深度学习;

相似文献

中文文献
外文文献
专利

1. 电选粉煤灰颗粒图像识别与烧失量预测模型 [J] . 陈师杰 ,李海生 ,陈英华 . 中国粉体技术 . 2018,第006期
2. 非线性电场中电选粉煤灰颗粒分离过程研究 [J] . 温晓龙 ,李海生 ,陈英华 . 煤炭加工与综合利用 . 2019,第005期
3. 基于颗粒分散-电选法细粒黑铝灰中的铝资源回收 [J] . CAO Yun-xiao ,WANG Zhi-qiang ,WANG Jin-jun . 中国有色金属学报 . 2019,第005期
4. 不同颗粒群匹配时粉煤灰-水泥复合体系的强度预测模型 [J] . 张永娟 ,张雄 . 水泥工程 . 2006,第006期
5. 基于卷积神经网络的水下目标声呐图像识别方法 [J] . 金磊磊 ,梁红 ,杨长生 . 西北工业大学学报 . 2021,第002期
6. 循环流化床与煤粉炉粉煤灰电选试验研究 [C] . 张华 . 2014亚洲粉煤灰及脱硫石膏综合利用技术国际交流大会 . 2014
7. 基于灰度图像识别的粉煤灰电选脱炭在线检测与调控 [A] . 陈师杰 . 2019

基于卷积神经网络的电选粉煤灰颗粒图像识别与烧失量预测模型

摘要

著录项

相似文献

相关主题

期刊订阅