论文部分内容阅读
粉煤灰烧失量预测是对其合理利用的前提,常规实验方法成本高,常常不能满足现场需求。针对此问题本文提出了基于卷积神经网络的电选粉煤灰颗粒图像识别与烧失量预测模型,引入了Adam算法和dropout技术对卷积神经网络进行改进,将粉煤灰颗粒图像的灰度均值、灰度方差、能量和熵值4个特征参数作为输入量,将粉煤灰烧失量的实验值作为输出量,从不同地区的电厂采集高低烧失量的两种粉煤灰进行配比后开展实验研究,基于实验样本点进行学习和训练后开展烧失量预测。综合考虑相关性和模型训练精度,选取学习率为0.010时的卷积神经网