基于RSM与BP神经网络的煤浮选试验研究

基于RSM与BP神经网络的煤浮选试验研究

文章导航 > 矿产综合利用 > 2018 > (5): 28-32

陈丽娜. 基于RSM与BP神经网络的煤浮选试验研究[J]. 矿产综合利用, 2018, (5): 28-32. doi: 10.3969/j.issn.1000-6532.2018.05.006

引用本文:

陈丽娜. 基于RSM与BP神经网络的煤浮选试验研究[J]. 矿产综合利用, 2018, (5): 28-32. doi: 10.3969/j.issn.1000-6532.2018.05.006

Chen Lina. Experimental Study on Coal Flotation Based RSM and BP Neural Network[J]. Multipurpose Utilization of Mineral Resources, 2018, (5): 28-32. doi: 10.3969/j.issn.1000-6532.2018.05.006

Citation:

Chen Lina. Experimental Study on Coal Flotation Based RSM and BP Neural Network[J]. Multipurpose Utilization of Mineral Resources, 2018, (5): 28-32. doi: 10.3969/j.issn.1000-6532.2018.05.006

基于RSM与BP神经网络的煤浮选试验研究

陈丽娜

商丘职业技术学院,河南商丘,476000

详细信息

中图分类号: TD989

刊出日期: 2018-10-01

Experimental Study on Coal Flotation Based RSM and BP Neural Network

Chen Lina

Publish Date: 01 October 2018

摘要: 针对山西某高硫原煤进行浮选试验研究,分别建立了单一的响应曲面分析(RSM)模型和基于BP神经网络的响应曲面模型,并进行分析.结果表明,改进后的灰分模型达不到所要求的代表性,但回收率模型预测结果表明,基于BP神经网络的响应曲面的模型拟合程度较单一响应曲面模型高且优化结果优于单一的响应曲面法.由基于BP神经网络的响应曲面模型得到的该煤炭浮选的最佳条件为:煤油用量540.43 g/t,水玻璃用量1110.14g/t,超声处理时间为5.0 min,在该条件下得到的浮选精煤回收率为68.98%,对应的精煤灰分为10.12%,同试验验证结果基本一致.
- RSM(响应曲面法) /
- BP神经网络 /
- 灰分 /
- 回收率 /
- 浮选

资源附件(0)

计量

文章访问数: 405
PDF下载数: 47
施引文献: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回