| Popis: |
Володина Юлия Игоревна, канд. техн. наук, доцент кафедры автоматизации технологических процессов, Пермский национальный исследовательский политехнический университет, Березниковский филиал, г. Березники; julia_volodina@mail.ru. Затонский Андрей Владимирович, д-р. техн. наук, профессор, заведующий кафедрой автоматизации технологических процессов, Пермский национальный исследовательский политехнический университет, Березниковский филиал, г. Березники; zxenon@narod.ru. Рахимова Олеся Викторовна, канд. техн. наук, доцент кафедры химической технологии и экологии, Пермский национальный исследовательский политехнический университет, Березниковский филиал, г. Березники; ovrakhimova@mail.ru. Середкина Ольга Рафисовна, аспирант, Пермский национальный исследовательский политехнический университет, Березниковский филиал, г. Березники; olga_g@bk.ru. Yu.I. Volodina, julia_volodina@mail.ru, A.V. Zatonskiy, zxenon@narod.ru, O.V. Rakhimova, ovrakhimova@mail.ru, O.R. Seredkina, olga_g@bk.ru Perm National Research Polytechnic University, Berezniki branch, Berezniki, Russian Federation Обоснована задача построения прогнозной модели процесса флокуляции калийной руды. Показано, что результаты расчетов по традиционным моделям неудовлетворительно воспроизводят экспериментальные данные, а применение регрессионно-дифференциальной модели вызывает затруднения в объяснении ее коэффициентов. Предложено для моделирования процесса использовать нейронную сеть. Обоснованы выбор алгоритма обратного распространения для обучения сети и сигмоидальной активационной функции. Использована программная система реализации нейронных сетей на основе библиотеки FANN. На основании пяти экспериментов произведено обучение сети. Оценены статистические показатели нейронной сети данной структуры. Тестирование по данным шестого эксперимента показало удовлетворительное качество модели. Изучены вопросы рациональной организации обучения и тестирования нейронной сети для моделирования процесса флокуляции. В итоге показана возможность использования нейронных сетей для моделирования процесса флокуляции в конкретном оборудовании. A task of flocculation processes in the production of potassium fertilizers forecasting model building is shown. Traditional models has insufficient accuracy in compare with experimental data. A regression-differential model is adequate enough but inexplicable. A neural network for floccula tion processes modeling is suggested. A choice of of back propagation algorithm for network training and sigmoid activation function is shown. Neural network software system based on FANN library is used. The network was learned by five experimental trends and tested on six trend with a good result. Statistical indices of the neural network of this structure are determined. A rational organization of training and testing of the neural network for modeling the flocculation process is studied. As a result, the possibility of using neural networks for modeling the flocculation process in specific equipment is shown |
