科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对煤炭重介分选控制过程中的精煤灰分测量延迟问题，基于随机森林算法(Random Forest, RF)与经验模态分解(Empirical Mode Decomposition, EMD)将工业现场实测的密度、磁性物含量、灰分数据进行降噪处理后，建立了重介分选系统数学模型；提出了灰分前置对应方法：用t时刻的输入(悬浮液密度值m、磁性物含量值n)对应t+T(T为延迟时间)时刻的输出(精煤灰分值h)进行模型训练。在对BP神经网络、随机森林算法以及基于最小二乘原理的算法进行对比寻优后，最终得出随机森林算法的建模效果最优。研究结果表明：可将随机森林估计值作为指导值用于煤炭分选工业现场，以提升重介分选效率，改善精煤煤质。
- 出版日期2023
- 单位太原理工大学
