基于GA-ELM的稀土混合溶液多组分含量预测

本文刊于: 《计算机工程》 2021年第0期

关键词:
稀土萃取 多组分含量 颜色特征 遗传算法 极限学习机模型

Keywords:
rare earth extraction,multi-component content,color feature,Genetic Algorithm(GA),Extreme Learning Machine(ELM)model
摘要
     针对稀土萃取液中有颜色特征和无颜色特征的离子在共存工况下组分含量难以快速检测的问题,提出一种基于遗传算法(GA)-极限学习机(ELM)的多组分含量预测方法。确定稀土萃取槽体混合溶液图像特性和描述图像信息的H、S颜色特征分量,利用ELM速度快、泛化能力强的优点,建立基于颜色特征的多组分含量模型,鉴于传统ELM模型初始权值和阈值的随机性易影响模型性能,使用GA对初始值进行优化确定。基于CePr/Nd萃取溶液样本数据的实验结果表明,与ELM、BP、LSSVM以及GA-BP、PSO-ELM等算法相比,该方法具有较高的预测精度且稳定性较好,可为稀土萃取现场快速获取多组分含量值提供技术支撑。

基金项目:
国家自然科学基金重点项目(61733005);国家自然科学基金(61863014,61963015,61563015);江西省教育厅科技项目(GJJ170374,20192BAB207024)

上一篇:Room-temperature plasticity in diamond
下一篇:基于压力速度耦合算法的PEMFC电堆空气分布

分享到: 分享基于GA-ELM的稀土混合溶液多组分含量预测到腾讯微博           收藏
评论排行
公告 
相关期刊文献推荐
相关会议文献推荐
相关硕士文献推荐
相关博士文献推荐