基于深度学习的尾矿管路监测模型研究

• 作者: 余刚 周俊武 王庆凯 邹国斌 郭振宇
• 来源期刊: 有色冶金设计与研究
• 关键词: 尾矿管路监测 数据建模 深度学习
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 采矿与选矿
• 页码范围: 13-16
• 页数: 4页
• 分类号: TP183|TD67
• 语种: 中文

摘要

对尾矿管路参数进行数据建模,能准确、及时地诊断出管路破损工况,这对生产操作、运行维护具有重要意义.通过对比,研究了偏最小二乘法、常规神经网络、深度学习模型在尾矿管路监测应用场景中的建模效果.基于Python语言在PyCharm集成开发环境对各类方法进行试验验证.结果表明,采用深度学习方法建立的检测模型精度和稳定性均优于其他方法,能提升模型应用价值.