Доставка любой диссертации в формате PDF и WORD за 499 руб. на e-mail - 20 мин. 800 000 наименований диссертаций и авторефератов. Все авторефераты диссертаций - БЕСПЛАТНО
Белов, Константин Дмитриевич
05.09.03
Кандидатская
2008
Екатеринбург
236 с. : ил.
Стоимость:
499 руб.
СОДЕРЖАНИЕ
Введение
1 .Состояние вопроса и задачи исследования
1.1 Анализ электропотребления горного предприятия
ОАО «Качканарский ГОК «Ванадий»
1.1.1 Исследование существующего метода прогноза
электропотребления
1.1.2 Анализ электроснабжения фабрики окускования
1.2 Анализ технологического процесса и основного оборудовании фабрики окускования
1.2.1 Технология добычи и переработки руды на ГОКе
1.2.2 Шихтоподготовка
1.2.3 Производство агломерата
1.2.4 Производство окатышей
1.3 Анализ методов прогнозирования. Выбор метода прогнозирования электропотребления горного предприятия
1.3.1 Общие сведения о прогнозировании. Выбор метода прогнозирования
1.3.2 Основные положения теории искусственных нейронных сетей
1.3.3 Сбор и обработка данных для нейронной сети
1.4 Цели и задачи исследований
2. Синтез нейронной сети, прогнозирующей потребление электрической энергии цехом агломерации
2.1 Сбор данных для нейронной сети
2.2 Отбор переменных и понижение размерности
2.3 Удаление выбросов и препроцессирование
2.4 Экспериментирование с обобщенно-регрессионными сетями
2.5 Определение архитектуры нейронной сети
2.6 Обучение нейронной сети
2.7 Анализ полученной нейронной сети
2.8 Выводы
3. Исследование электропотребления цехов фабрики окускования методом искусственных нейронных сетей
3.1 Цех окатышей
3.1.1 Сбор данных для нейронной сети
3.1.2 Отбор переменных и понижение размерности
3.1.3 Удаление выбросов и препроцессирование
3.1.4 Экспериментирование с обобщенно-регрессионными сетями
3.1.5 Определение архитектуры нейронной сети
3.1.6 Обучение нейронной сети
3.1.7 Анализ полученной нейронной сети
3.2 Технологическая линия по подготовке шихты для агломерации
3.2.1 Сбор данных для нейронной сети
3.2.2 Отбор переменных и понижение размерности
3.2.3 Удаление выбросов и препроцессирование
3.2.4 Экспериментирование с обобщенно-регрессионными сетями
3.2.5 Определение архитектуры нейронной сети
3.2.6 Обучение нейронной сети
3.2.7 Анализ полученной нейронной сети
3.3 Технологическая линия по подготовке шихты для обжига
3.3.1 Сбор данных для нейронной сети
3.3.2 Отбор переменных и понижение размерности
3.3.3 Удаление выбросов и препроцессирование
3.3.4 Экспериментирование с обобщенно-регрессионными сетями
3.3.5 Определение архитектуры нейронной сети
3.3.6 Обучение нейронной сети
3.3.7 Анализ полученной нейронной сети
3.4 Исследование разработанной системы прогнозирования потребления электрической энергии фабрикой окускования
3.5 Выводы
4. Исследование алгоритма работы системы анализа и прогнозирования
электропотребления Качканарского ГОКа, основанной на статистическом метода корреляционно-регрессионного анализа
4.1 Исследование алгоритма анализа и прогнозирования удельного электропотребления
4.2 Исследование алгоритма анализа и прогнозирования общего электропотребления
4.3 Выводы
5. Сравнительный анализ и технико-экономические показатели существующей и разработанной на основе метода искусственных нейронных сетей систем прогнозирования потребления электроэнергии
5.1 Сравнительный анализ систем прогнозирования
потребления электрической энергии
5.2 Методика определения стоимости электрической энергии
5.3 Оценка экономического эффекта от использования разработанной на основе метода искусственных нейронных сетей системы прогнозирования электропотребления
5.4 Выводы
Заключение
Библиографический список
Приложение 1. Листинг программы в системе MatLab создания нейронной сети цеха агломерации, вычисления средних квадратических отклонений и относительной ошибки прогноза
Приложение 2. Листинг программы построения графика изменения среднего квадратического отклонения прогноза потребления электрической энергии фабрикой окускования от фактического значения в зависимости от точности задания независимых переменных на входах нейронных сетей
Приложение 3. Листинг программы вычисления экономического эффекта от использования разработанной системы прогнозирования электропотребления на базе нейронных сетей
Приложение 4. Письмо - справка о внедрении
руется получить на основе нейронной сети. Кроме того, как видно из разделов
1.1. и 1.2., горное предприятие имеет сложную и разветвленную структуру, технологические процессы очень сложные и многофакторные, поэтому прогнозирование на базе корреляционно-регрессионного анализа, заключающегося в выявлении и математическом описании существующих между переменными зависимостей, является сложной и трудоемкой задачей и практически не выполнимой при условии удержания погрешности прогноза в диапазоне не более 5% [19,38]. Используя же для этой цели нейронные сети, мы ограничиваемся лишь выявлением существования связей, оставляя математическое описание зависимостей алгоритму обучения нейронной сети.
При создании искусственной нейронной сети необходимо учитывать особенности данного метода, которые будут рассмотрены ниже.
1.3.2 Основные положения теории искусственных нейронных сетей
1.3.2.1 Искусственный нейрон
Искусственная нейронная сеть - это вычислительная структура, моделирующая простые биологические процессы, обычно ассоциируемые с процессами человеческого мозга [42]. Элементарным преобразователем в данных структурах является искусственный нейрон (рис. 1.11).
Рис. 1.11. Структура искусственного нейрона
Название работы | Автор | Дата защиты |
---|---|---|
Развитие основ теории и разработка электроприводов механизмов циклического действия | Кошкин, Гордей Анатольевич | 2002 |
Разработка автоматизированного электропривода двухкатушечного намоточного аппарата волочильного стана | Туганбаев, Арман Ибрагимович | 2006 |
Выпрямители с кольцевыми и лестничными вентильными схемами для систем электроснабжения электрического транспорта | Волкова, Ольга Леонидовна | 2011 |