鑒定項目技術(shù)匯報ppt課件(編輯修改稿)
2025-05-26 03:40 本頁面
【文章內(nèi)容簡介】 axm i n ???xxxxxjjjijij? ? ? ? xxxxx jijjjij m i nm i nm a x 39。 ?????LSSVM的缺點 ? 傳統(tǒng) LSSVM參數(shù)的確定一般采用交叉驗證，對每一對 參數(shù) ，將樣本分為訓練驗證集和測試集，將訓練驗證集分為若干份，用訓練集訓練LSSVM后，對驗證集進行預測。在對每對 參數(shù) 預測不同驗證集后，選后預測誤差均方差的平均值最小的 參數(shù) 為 LSSVM的模型參數(shù)。采取交叉驗證確定理想的 參數(shù) 需要花費大量時間，尤其不適于大樣本建模。因此，通過對訓練集進行貝葉斯推斷來確定較優(yōu)的 參數(shù) 以提高建模效率。 ??,貝葉斯推斷 貝葉斯推斷的基本思想是分層次地使參數(shù)、超參數(shù)、模型的似然函數(shù)最大化，以使它們能更好地解釋數(shù)據(jù)。 貝葉斯推斷分為三級：準則一推斷權(quán)向量和偏差量；準則二推斷正則化函數(shù)；準則三推斷核函數(shù)。 貝葉斯支持向量機的實現(xiàn)框圖 思維進化算法 思維進化是在遺傳算法的基礎(chǔ)上做出改進創(chuàng)新的。思維進化算法將整個群體分為若干子群體，子群體分為若干個個體，創(chuàng)新性的提出了“趨同”、“異化”算子。 ? 趨同就是在每個子群體內(nèi)，優(yōu)勝的個體成為本子群體的勝者的過程。 ? 異化是各子群體在整個空間內(nèi)，為成為全局的勝者而競爭的過程，不斷地 搜索解空間中新的點。 多傳感器數(shù)據(jù)融合 數(shù)據(jù)層融合 特征層融合 決策層融合 配料系統(tǒng) 燒結(jié)過程 數(shù)據(jù)預處理 化學成分控制系統(tǒng) 訓練與學習 預報系統(tǒng) 預報值 連接權(quán)值與閾值 u y 控制策略流程圖 系統(tǒng)功能框架 系統(tǒng)功能 燒結(jié)預測 專家系統(tǒng) 其它功能 現(xiàn)狀分析 操作指導 系統(tǒng)解釋 系統(tǒng)參數(shù)設(shè)置 數(shù)據(jù)庫連接 知識庫編程 數(shù)據(jù)導出 多形式預測 趨勢分析 命中穩(wěn)定率 計 系統(tǒng)技術(shù)實現(xiàn) 系統(tǒng)采用功能強大的面向?qū)ο蟮某绦蛟O(shè)計語言 Visual C++，后臺數(shù)據(jù)庫選用 SQL Server2022數(shù)據(jù)庫管理系統(tǒng)。系統(tǒng)采用客戶端與服務(wù)器即C/S （ Client/Server)結(jié)構(gòu)模式與集成框架局域網(wǎng)內(nèi)信息處理采用 C/S模式。 系統(tǒng)的應(yīng)用主要分兩個階段，第一階段為考察、提高模型的預報命中率和操作指導建議準確率；第二階段是實現(xiàn)閉環(huán)控制 。 現(xiàn)場專家根據(jù)實際情況不斷修改系統(tǒng)知識庫、模型參數(shù)，以及模型的連續(xù)自適應(yīng)學習，使得系統(tǒng)更貼近實際生產(chǎn)，更能反映現(xiàn)場生產(chǎn)的實際。 當模型的預報命中率和操作指導建議準確率達到 95％以上后，就可以實現(xiàn)閉環(huán)控制，系統(tǒng)將操作建議中對原料配比的調(diào)整直接換算成配料圓盤轉(zhuǎn)速的調(diào)整值，通過數(shù)據(jù)接口將指令直接寫進 DCS系統(tǒng)，實現(xiàn)全自動的控制。 燒結(jié)終點預測 0 5 10 15 20 25 30 35 40 45 5010121416182022t i m e
教學課件相關(guān)推薦
鄂ICP備17016276號-1