配料与球团矿性能研究

代表要实现的目标功能，输出变量个数设置为2个。

（4）隐含层节点数，通过公式 （m为隐含层节点，n为输入层节点，l为输出节点数，a是1-10的常数）计算隐含层的初始值是2，最大为12，可以分别得到训练误差曲线，通过比较，可以得出当m为10时收敛速度最快。

（5）神经网络训练参数。根据实际经验，网络性能目标一般在[0，1]之间，经过反复试验，选择神经网络训练参数。训练次数为1000，网络性能目标为0.01。在满足上述任意一个条件时，网络训练就会结束。

1.2.2 模型求解

通过构建神经网络，在MATLAB中得到BP神经网络训练结果，样本训练完之后得到神经网络数据网络可以用来预测不同配料下的球团矿的性能。

训练过程中，网络训练到第2代就到了最优训练效果，训练的的相关系数达到0.9848，接近1，综合判断正确率高，基于非线性最小二乘BP神经网络有较好的训练结果。

1.3 偏最小二乘回归分析和非线性最小二乘分析比较

通过计算得到神经网络方法计算的实际值与拟合值之间相关系数为0.9848，比偏最小二乘回归分析计算的拟合值与实际值之间的相关系数0.831大。因此，神经网络方法比偏最小二乘方法的拟合精度高。

参考文献

[1]  孔祥玉，曹泽豪，安秋生，徐中英，罗家宇.偏最小二乘线性模型及其非线性动态扩展模型综述[J/OL].控制与决策：1-12[2018-01-28].https：//doi.org/10.13195/j.kzyjc.2017.1306.

[2]  杨波. 基于偏最小二乘的财务危机预警模型研究[D].中国财政科学研究院，2017. 7.

推荐访问:配料 性能 研究 球团矿