METHODS OF STATISTICAL ANALYSIS AND NEURAL NETWORK TECHNOLOGIES FOR PREDICTION OF METALLURGICAL COKE QUALITY
Abstract
The paper presents the results of the statistical analysis of the influence of coal concentrates mixture characteristics on metallurgical coke quality. The authors provide a neural network model, which allows forecasting coke characteristics. It helps to choose the mixture composition to obtain quality coke. The features of software implementation of the proposed neural network model are described.
About the Authors
V. S. Doroganov
Kuzbass State Technical University named after T. F. Gorbatchev, Kemerovo
Russian Federation
Vitaly S. Doroganov – post-graduate student at the Department of Applied Information Technologies
Russian Federation
Vitaly S. Doroganov – post-graduate student at the Department of Applied Information Technologies
A. G. Pimonov
Kuzbass State Technical University named after T. F. Gorbatchev, Kemerovo
Russian Federation
Alexander G. Pimonov – Doctor of Technical Science, Professor, Professor at the Department of Applied Information Technologies
Russian Federation
Alexander G. Pimonov – Doctor of Technical Science, Professor, Professor at the Department of Applied Information Technologies
References
1. Афанасьев В. В. Теория вероятностей в вопросах и задачах. Режим доступа: http://cito-web.yspu.org/link1/metod/theory/node42.html, свободный.
2. Базегский А. Е., Рябиченко А. Д., Станкевич А. С. Взаимосвязь показателей CSR и CRI кокса с генетическими характеристиками шихты и технологическими параметрами коксования // Материалы научно-практической конференции «Химия и химическая технология на рубеже тысячелетий». Томск: ТПУ, 2000. С. 10 – 12.
3. Буланов Е. А., Зайнутдинов В. Н., Кузнецов В. Я., Зиновьева Л. А., Цекот Ю. Б. Прогноз горячей прочности (CSR) и реакционной способности (CRI) кокса // Кокс и химия. 2005. № 5. С. 23 – 26.
4. Гуляев В. М., Барский В. Д. Реакционная способность, «горячая» и «холодная» прочность доменного кокса // Теория и практика металлургии. 2010. № 1 – 2. С. 7 – 10.
5. Дороганов В. С. Интеллектуальная информационная система подготовки шихты для производства кокса заданного качества // Сборник материалов II Всероссийской научно-практической конференции «Современные проблемы производства кокса и переработки продуктов коксования». Кемерово: КузГТУ. 2014. С. 5 – 7.
6. Дороганов В. С. Использование элементов генетического алгоритма в обучении нейронной сети стохастическим методом // Перспективы развития информационных технологий: труды Всероссийской молодежной научно-практической конференции, г. Кемерово, 29 – 30 мая 2014 г. Кемерово, 2014. С. 214 – 215.
7. Дороганов В. С., Суханова Е. Ю. Прогнозирование характеристик кокса на основе показателей шихты // Труды Всероссийской молодежной школы-семинара «Анализ, геометрия и топология». Барнаул: АлтГУ, 2013. С. 46 – 50.
8. Евсюткин Т. В., Тунгусова А. В. Классификация облачности по спутниковым снимкам вероятностной нейронной сетью // Материалы 51-й Международной научной студенческой конференции «Студент и научнотехнический прогресс». Новосибирск: НГУ, 2013. С. 131.
9. Корниенко И. Л. Обучение нейросетовой информационной системы для определения состава угольного концентрата с использованием базы данных уникальных углей // Информационные системы и технологии в образовании, науке и бизнесе (ИСиТ-2014). Материалы Всероссийской молодежной научно-практической школы, г. Кемерово, 19 – 21 июня 2014 г. С. 127 – 128.
10. Кулманакова Е. В. Отслеживание движения людей в видеопотоке // Сборник трудов XVIII Международной научно-практической конференции студентов, аспирантов и молодых ученых «Современные техника и технологии». Томск: ТПУ, 2012. С. 335 – 336.
11. Миндияров Н. И., Дороганов В. С. Программа обучения искусственного интеллекта при помощи нейронной сети на примере игры «гонки» // Материалы Всероссийской молодежной конференции «Информационно-телекоммуникационные системы и технологии» (ИТСиТ-2012). Кемерово: КузГТУ, 2012. С. 132 – 133.
12. Официальный сайт «StatSoft». Режим доступа: http://www.statsoft.ru/products/trial/, свободный.
13. Пахарев Р. С. Разработка программного обеспечения для задач неразрушающего контроля материалов с неоднородностями // Материалы 51-й Международной научной студенческой конференции «Студент и научнотехнический прогресс». Новосибирск: НГУ, 2013. С. 53.
14. Погорелов Н. Е., Рейзенбук К. Э., Пимонов А. Г. Интеллектуальная информационная система для анализа и прогнозирования биржевых котировок акций // Вестник Кузбасского государственного технического университета. 2012. № 6. С. 118 – 122.
15. Станкевич А. С., Гилязетдинов Р. Р., Попова Н. К., Кошкаров Д. А. Модель прогноза показателей CSR и CRI кокса на основе химико-петрографических параметров угольных шихт и условий их коксования // Кокс и химия. 2008. № 9. С. 37 – 44.
16. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. М.: Мир, 1992. 118 с.
17. Dı´ez M. A., Alvarez R., Barriocanal C. Coal for metallurgical coke production: predictions of coke quality and future requirements for cokemaking // International Journal of Coal Geology. 2002. № 50. P. 389 – 412.
Review
For citations:
Doroganov V.S., Pimonov A.G. METHODS OF STATISTICAL ANALYSIS AND NEURAL NETWORK TECHNOLOGIES FOR PREDICTION OF METALLURGICAL COKE QUALITY. SibScript. 2014;(4-3):123-129. (In Russ.)
Views:
356
Email this article 