您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202002-21
论文题目 基于动态自适应学习率BP改进算法的合金收得率预测分析
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于动态自适应学习率BP改进算法的合金收得率预测分析

首发时间:2020-02-07

孙嘉阳 1   

孙嘉阳(1998-),女,本科

刘威 1   

刘威(1977-),男,副教授、硕导、博士,主要研究方向:机器学习、深度神经网络、矿业系统工程.

郭直清 1   
  • 1、辽宁工程技术大学理学院,阜新 123000

摘要:随着计算机科学和自动化技术的不断发展,利用计算机自动配料已成为了钢铁冶炼领域研究的一个热点问题,而合金收得率作为自动配料中的重要组成部分,计算并预测合金收得率对提高钢铁企业的经济效益有着重要作用。本文采用统计分析和机器学习相结合的方法,建立基于动态自适应学习率的BP改进算法预测模型。该模型首先根据炼钢历史记录数据及加入的各种合金料成分占比计算钢水脱氧合金化中主要元素碳的历史收得率,利用灰色关联度矩阵原理分析影响其收得率的主要因素。接着采用BP神经网络算法预测碳元素的历史收得率,但预测结果波动较大,为提高预测结果准确性及稳定性,设计学习速率自适应算法,将传统的两种BP改进算法,附加动量法和自适应算法结合,形成基于动态自适应学习率的BP改进算法。数值模拟结果显示:预测结果的拟合优度保持在0.84~0.95之间,说明此模型的可行性和准确性较高。该研究结果为钢铁企业实现自动脱氧合金化提供重要的参考依据,对降低企业运营成本有重要的意义。

关键词: BP神经网络模型 灰色关联度矩阵 学习速率自适应设计

For information in English, please click here

Prediction and analysis of alloy yield based on Improved BP algorithm of dynamic adaptive learning rate

SUN Jiayang 1   

孙嘉阳(1998-),女,本科

LIU Wei 1   

刘威(1977-),男,副教授、硕导、博士,主要研究方向:机器学习、深度神经网络、矿业系统工程.

GUO Zhiqing 1   
  • 1、Science School, Liaoning Technology University, FuXin 123000

Abstract:With the continuous development of computer science and automation technology, the use of computer automatic batching has become a hot topic in the field of iron and steel smelting. As an important part of automatic batching, the calculation and prediction of alloy yield plays an important role in improving the economic benefits of iron and steel enterprises. In this paper, statistical analysis and machine learning are combined to build a prediction model of BP improved algorithm based on dynamic adaptive learning rate. Based on the historical data of steel-making and the proportion of various alloying materials, the model firstly calculates the historical yield of the main element carbon in the deoxidization and alloying of molten steel, and analyzes the main factors affecting the yield by using the principle of grey correlation matrix. Then, BP neural network algorithm is used to predict the historical yield of carbon elements, but the prediction results fluctuate greatly. In order to improve the accuracy and stability of the prediction results, an adaptive learning rate algorithm is designed. The traditional two improved BP algorithms, the additional momentum method and the adaptive algorithm are combined to form an improved BP algorithm based on the dynamic adaptive learning rate. The numerical simulation results show that the goodness of fit of the prediction results remains between 0.84 and 0.95, which shows that the model is feasible and accurate. The research results provide an important reference for iron and steel enterprises to realize automatic deoxidization and alloying, and are of great significance to reduce the operation cost of enterprises.

Keywords: BP neural network model grey incidence matrix learning rate adaptive design

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
孙嘉阳,刘威,郭直清. 基于动态自适应学习率BP改进算法的合金收得率预测分析[EB/OL]. 北京:中国科技论文在线 [2020-02-07]. http://www.paper.edu.cn/releasepaper/content/202002-21.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于动态自适应学习率BP改进算法的合金收得率预测分析