Preview

СибСкрипт

Расширенный поиск

МЕТОДЫ СТАТИСТИЧЕСКОГО АНАЛИЗА И НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ ДЛЯ ПРОГНОЗИРОВАНИЯ ПОКАЗАТЕЛЕЙ КАЧЕСТВА МЕТАЛЛУРГИЧЕСКОГО КОКСА

Аннотация

В статье представлены результаты проведенного авторами статистического анализа зависимости показателей качества металлургического кокса от характеристик шихты. Предложена нейросетевая модель, позволяющая как осуществить прогноз характеристик кокса, так и подобрать состав шихты из имеющихся углей для получения кокса требуемого качества. Описаны особенности программной реализации предложенной нейросетевой модели.

Об авторах

В. С. Дороганов
Кузбасский государственный технический университет имени Т. Ф. Горбачева
Россия
Дороганов Виталий Сергеевич – аспирант кафедры прикладных информационных технологий


А. Г. Пимонов
Кузбасский государственный технический университет имени Т. Ф. Горбачева
Россия
Пимонов Александр Григорьевич – доктор технических наук, профессор кафедры прикладных информационных технологий КузГТУ им. Т. Ф. Горбачева


Список литературы

1. Афанасьев В. В. Теория вероятностей в вопросах и задачах. Режим доступа: http://cito-web.yspu.org/link1/metod/theory/node42.html, свободный.

2. Базегский А. Е., Рябиченко А. Д., Станкевич А. С. Взаимосвязь показателей CSR и CRI кокса с генетическими характеристиками шихты и технологическими параметрами коксования // Материалы научно-практической конференции «Химия и химическая технология на рубеже тысячелетий». Томск: ТПУ, 2000. С. 10 – 12.

3. Буланов Е. А., Зайнутдинов В. Н., Кузнецов В. Я., Зиновьева Л. А., Цекот Ю. Б. Прогноз горячей прочности (CSR) и реакционной способности (CRI) кокса // Кокс и химия. 2005. № 5. С. 23 – 26.

4. Гуляев В. М., Барский В. Д. Реакционная способность, «горячая» и «холодная» прочность доменного кокса // Теория и практика металлургии. 2010. № 1 – 2. С. 7 – 10.

5. Дороганов В. С. Интеллектуальная информационная система подготовки шихты для производства кокса заданного качества // Сборник материалов II Всероссийской научно-практической конференции «Современные проблемы производства кокса и переработки продуктов коксования». Кемерово: КузГТУ. 2014. С. 5 – 7.

6. Дороганов В. С. Использование элементов генетического алгоритма в обучении нейронной сети стохастическим методом // Перспективы развития информационных технологий: труды Всероссийской молодежной научно-практической конференции, г. Кемерово, 29 – 30 мая 2014 г. Кемерово, 2014. С. 214 – 215.

7. Дороганов В. С., Суханова Е. Ю. Прогнозирование характеристик кокса на основе показателей шихты // Труды Всероссийской молодежной школы-семинара «Анализ, геометрия и топология». Барнаул: АлтГУ, 2013. С. 46 – 50.

8. Евсюткин Т. В., Тунгусова А. В. Классификация облачности по спутниковым снимкам вероятностной нейронной сетью // Материалы 51-й Международной научной студенческой конференции «Студент и научнотехнический прогресс». Новосибирск: НГУ, 2013. С. 131.

9. Корниенко И. Л. Обучение нейросетовой информационной системы для определения состава угольного концентрата с использованием базы данных уникальных углей // Информационные системы и технологии в образовании, науке и бизнесе (ИСиТ-2014). Материалы Всероссийской молодежной научно-практической школы, г. Кемерово, 19 – 21 июня 2014 г. С. 127 – 128.

10. Кулманакова Е. В. Отслеживание движения людей в видеопотоке // Сборник трудов XVIII Международной научно-практической конференции студентов, аспирантов и молодых ученых «Современные техника и технологии». Томск: ТПУ, 2012. С. 335 – 336.

11. Миндияров Н. И., Дороганов В. С. Программа обучения искусственного интеллекта при помощи нейронной сети на примере игры «гонки» // Материалы Всероссийской молодежной конференции «Информационно-телекоммуникационные системы и технологии» (ИТСиТ-2012). Кемерово: КузГТУ, 2012. С. 132 – 133.

12. Официальный сайт «StatSoft». Режим доступа: http://www.statsoft.ru/products/trial/, свободный.

13. Пахарев Р. С. Разработка программного обеспечения для задач неразрушающего контроля материалов с неоднородностями // Материалы 51-й Международной научной студенческой конференции «Студент и научнотехнический прогресс». Новосибирск: НГУ, 2013. С. 53.

14. Погорелов Н. Е., Рейзенбук К. Э., Пимонов А. Г. Интеллектуальная информационная система для анализа и прогнозирования биржевых котировок акций // Вестник Кузбасского государственного технического университета. 2012. № 6. С. 118 – 122.

15. Станкевич А. С., Гилязетдинов Р. Р., Попова Н. К., Кошкаров Д. А. Модель прогноза показателей CSR и CRI кокса на основе химико-петрографических параметров угольных шихт и условий их коксования // Кокс и химия. 2008. № 9. С. 37 – 44.

16. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. М.: Мир, 1992. 118 с.

17. Dı´ez M. A., Alvarez R., Barriocanal C. Coal for metallurgical coke production: predictions of coke quality and future requirements for cokemaking // International Journal of Coal Geology. 2002. № 50. P. 389 – 412.


Рецензия

Для цитирования:


Дороганов В.С., Пимонов А.Г. МЕТОДЫ СТАТИСТИЧЕСКОГО АНАЛИЗА И НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ ДЛЯ ПРОГНОЗИРОВАНИЯ ПОКАЗАТЕЛЕЙ КАЧЕСТВА МЕТАЛЛУРГИЧЕСКОГО КОКСА. Вестник Кемеровского государственного университета. 2014;(4-3):123-129.

For citation:


Doroganov V.S., Pimonov A.G. METHODS OF STATISTICAL ANALYSIS AND NEURAL NETWORK TECHNOLOGIES FOR PREDICTION OF METALLURGICAL COKE QUALITY. SibScript. 2014;(4-3):123-129. (In Russ.)

Просмотров: 272


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2949-2122 (Print)
ISSN 2949-2092 (Online)