Полное описание

Пучков, Андрей Юрьевич. Нейросетевой метод анализа процессов термической обработки окомкованного фосфатного рудного сырья = Neural Network Analysis Method of Heat Treatment Processes of Pelletized Phosphate Ore Raw Materials / А. Ю. Пучков, А. М. Соколов, В. В. Федотов. - DOI 10.37791/2687-0649-2022-17-5-62-76. - Текст : непосредственный // Прикладная информатика = Journal of Applied Informatics : научно-практический журнал. - 2022. - Том 17, N 5. - С. 62-76. - Библиогр. в конце ст. - ISSN 1993-8314.

ГРНТИ	УДК
28.23.37	004.032.26
61.13.23	542.46

Рубрики:
Нейронные сети -- Применение
Промышленность

Кл.слова (ненормированные): фосфатное сырье -- выявление скрытых зависимостей -- глубокие рекуррентные -- искусственные нейронные сети -- нейронные сети -- нейросеть
Аннотация: В настоящее время остро стоит проблема утилизации рудных отходов горно-обогатительных комбинатов. Эти отходы в значительных объемах скапливаются на прилегающих к комбинатам территориях и представляют серьезную угрозу для экологии. В этой связи создание технологических систем переработки рудных отходов и совершенствование их информационного обеспечения представляют актуальное направление исследований. Примером такой системы является сложная химико- энерготехнологическая система производства желтого фосфора из отходов апатит- нефелиновых руд. Целью проводимого исследования являлась разработка модели сбора данных о параметрах процессов термической обработки окомкованного фосфатного рудного сырья в такой системе, а также метода выявления зависимостей между этими параметрами. Выявление зависимостей в информационном обеспечении системы производства желтого фосфора позволит повысить качество ее функционирования с точки зрения критериев управления, энергетической и ресурсной эффективности. Для достижения указанной цели решались задачи выбора математической концепции для основы разрабатываемого метода, построения алгоритма и создания программного обеспечения, реализующего данный метод, проведения модельных экспериментов. В основе метода лежит применение глубоких рекуррентных нейронных сетей долгой краткосрочной памяти, обладающих высокой обобщающей способностью и применяемых при решении задач регрессии и классификации многомерных временных последовательностей, в форме которых, как правило, и представлены параметры химико-энерготехнологической системы. Метод реализован в виде приложения, созданного в среде MatLab 2021. Интерфейс приложения позволяет в интерактивном режиме проводить эксперименты с различными наборами входных и выходных параметров для выявления взаимосвязи между ними, а также изменять гиперпараметры нейронных сетей. В результате работы приложения создается репозиторий обученных нейронных сетей, которые моделируют найденные взаимосвязи между указанными параметрами технологической системы и могут быть применены в системах поддержки принятия решений, управления и инжиниринга.
Доп. точки доступа:
Соколов, Андрей Максимович
Федотов, Владимир Владимирович


Нет сведений об экземплярах
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -107402-463169)

Шифр в сводном ЭК: 459d6f6fa53b13c28209ae5713be2ae6

Заказать
Заказ фрагмента документа ₽