期刊文献+

基于随机森林与神经网络的铝电解分子比预测 被引量:3

Predicted molecular ratio of aluminum reduction based on random forest and neural network
下载PDF
导出
摘要 本文基于随机森林与神经网络方法对铝电解过程中的分子比进行预测。使用采集到的包括电流、电压和铝水平等数据作为自变量,分子比作为因变量,基于随机森林回归算法的嵌入式特征选择的方法选择最优特征子集。然后将该最优子集作为神经网络的输入预测铝电解过程中的分子比参数,最终得到了很好的预测效果,从而验证了该方法的有效性与准确性。 Based on the random forest and neural network method the molecular ratio in the process of aluminum reduction is predicted.Using collected data including current,voltage,and aluminum level as independent variables and molecular ratio as a dependent variable,and optimal feature subset is selected based on the embedded feature selection method of the random forest regression algorithm.Then the optimal subset is used as the input of the artificial neural network to predict the molecular ratio parameters in the aluminum reduction process,and finally a good prediction effect is obtained,thus verifying the effectiveness and accuracy of the method.
作者 曾水平 王嘉利 Zeng Shuiping;Wang Jiali(College of Electrical and Control Engineering,North China University of Technology,Beijing 100144,China)
出处 《轻金属》 CSCD 北大核心 2018年第12期21-25,54,共6页 Light Metals
基金 国家自然科学基金项目(51174007)
关键词 铝电解槽 分子比 神经网络 随机森林 预测 aluminum reduction pot molecular ratio neural networks random forest prediction
  • 相关文献

参考文献3

二级参考文献21

共引文献23

同被引文献21

引证文献3

二级引证文献9

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部