基于GA-ELM的稀土混合溶液多组分含量预测
作者：陆荣秀,何权恒,杨辉,朱建勇 单位：华东交通大学电气与自动化工程学院；江西省先进控制与优化重点实验室 本文刊于： 《计算机工程》 2021年第01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
全文下载：需积分3点。
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。
本文地址：www.fabiao.net/content-24-2716-1.html
本文地址：www.fabiao.net/content-24-2716-1.html
上一篇：
下一篇：基于压力速度耦合算法的PEMFC电堆空气分布
