МЕТОДЫ СТАТИСТИЧЕСКОГО АНАЛИЗА И НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ ДЛЯ ПРОГНОЗИРОВАНИЯ ПОКАЗАТЕЛЕЙ КАЧЕСТВА МЕТАЛЛУРГИЧЕСКОГО КОКСА
Аннотация
Об авторах
В. С. ДорогановРоссия
Дороганов Виталий Сергеевич – аспирант кафедры прикладных информационных технологий
А. Г. Пимонов
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.)