Прогнозная модель процесса флокуляции на основе нейронной сети
DOI:
https://doi.org/10.14529/ctcr170204Ключевые слова:
калийная руда, флокуляция, моделирование, нейронная сетьАннотация
Обоснована задача построения прогнозной модели процесса флокуляции калийной руды. Показано, что результаты расчетов по традиционным моделям неудовлетворительно воспроизводят экспериментальные данные, а применение регрессионно-дифференциальной модели вызывает затруднения в объяснении ее коэффициентов. Предложено для моделирования процесса использовать нейронную сеть. Обоснованы выбор алгоритма обратного распространения для обучения сети и сигмоидальной активационной функции. Использована программная система реализации нейронных сетей на основе библиотеки FANN. На основании пяти экспериментов произведено обучение сети. Оценены статистические показатели нейронной сети данной структуры. Тестирование по данным шестого эксперимента показало удовлетворительное качество модели. Изучены вопросы рациональной организации обучения и тестирования нейронной сети для моделирования процесса флокуляции. В итоге показана возможность использования нейронных сетей для моделирования процесса флокуляции в конкретном оборудовании.
Библиографические ссылки
Волкова, А.В. Рынок минеральных удобрений / А.В. Волкова. – М.: НИУ Высшая школа экономики, 2015. – 67 с.
Копотева, А.В. Регрессионный анализ издержек мировых производителей калийной продукции / А.В. Копотева, А.В. Затонский // Горный информационно-аналитический бюллетень (научно-технический журнал). – 2013. – № 11. – С. 224–234.
Середкина, О.Р. Исследование флокулирующей способности полиакриламида, приготовленного на водно-солевых растворах / О.Р. Середкина, О.В. Рахимова, С.В. Лановецкий // Современные наукоемкие технологии. – 2016. – № 5. – С. 291–295.
Затонский, А.В. Выбор вида модели для прогнозирования развития экономических систем / А.В. Затонский // Новый университет. Серия: Технические науки. – 2012. – № 1. – С. 37–41.
Затонский, А.В. Прогнозирование экономических систем по модели на основе регрессионного дифференциального уравнения / А.В. Затонский, Н.А. Сиротина // Экономика и математические методы. – 2014. – Т. 50, № 1. – С. 91–99.
FANN Datatypes. – http://leenissen.dk/fann/html/files/fann_data-h.html.
Рындин, А.А. Исследование скорости обучения нейронных сетей / А.А. Рындин, В.П. Ульев // Вестник Воронежского государственного технического университета. – 2012. – № 5. – С. 7–9.
Выбор длины шага обучения. – http://apsheronsk.bozo.ru/Neural/Lec4.htm.
Горбачевская, Е.Н. Классификация нейронных сетей / Е.Н. Горбачевская // Вестник Волжского университета им. В.Н. Татищева. – 2012. – № 2. – С. 128–134.
