-
作者
郝晓东乔星星王影原靖超张泽晖张国杰张永发
-
单位
太原理工大学省部共建煤基能源清洁高效利用国家重点实验室煤科学与技术教育部重点实验室陕西煤业化工技术研究院有限责任公司太原理工大学机械与运载工程学院
-
摘要
本文通过关联配合煤中硫、灰分、挥发分等主要的煤质指标，基于Adma算法为优化器的GRU神经网络模型，不断对模型参数进行调整后，通过sigmoid激活函数进行多标签多分类方法，建立了焦炭质量预测模型。当三层GRU网络的隐层神经元个数分别为64，64，64，学习率为0.01，Batch＿size为64，epoch为50，Dropout为0.3时，得到了模型的最优参数，此时模型预测准确率达到97.25%。本研究采用GRU神经网络多标签多分类焦炭预测模型不仅具有高精度、低损失函数等特点，而且针对小样本配煤数据预测焦炭质量可以达到很好的效果，对实际的配煤炼焦具有一定的指导意义。
-
关键词
多标签多分类方法神经网络GRU焦炭质量预测模型小样本
-
文章目录
0引 言
1 基本原理
2 焦炭预测模型
2.1数据的预处理
2.1.1输入层与输出层参数确定
2.1.2数据归一化处理
2.1.3数据的划分
2.2 模型的建立
3 影响模型的主要超参数
4 结果与讨论
4.1神经网络层数的影响
4.2神经元数量
4.3学习率的影响
4.4 训练的批次大小和样本训练次数
4.5 丢弃率
5、结论
-
引用格式
郝晓东,乔星星,王影,原靖超,张泽晖,张国杰,张永发.基于GRU神经网络多标签多分类焦炭质量预测模型[J/OL].煤炭转化:1-15[2023-06-15].http://kns.cnki.net/kcms/detail/14.1163.TQ.20230320.1559.002.html
煤炭转化
97
