[发明专利]基于多元线性回归算法的机制砂细度模数预测方法与系统

说明书

本发明公开了基于多元线性回归算法的机制砂细度模数预测方法与系统，该方法包括：获取机制砂生产系统的多个运行参数；利用多个运行参数对机制砂的细度模数的影响因素进行分析得到影响因素分析结果；根据影响因素分析结果得到影响细度模数的机制砂生产系统的实时运行参数；将实时运行参数输入至构造好的多元线性回归模型，以基于参数线性关系进行细度模数预测得到细度模数预测结果。本发明可以精确的预测机制砂细度模数，以指导工业生产。

技术领域

本发明涉及机制砂细度模数预测技术领域，尤其涉及基于多元线性回归算法的机制砂细度模数预测方法与系统。

背景技术

机制砂已逐渐成为建筑以及道桥等行业的主要用砂，有效地缓解了建筑用砂的匮乏问题。制砂的细度模数是判断砂粗细的重要技术指标。完善机制砂的制备工艺，提高机制砂质量，将其制备过程标准化规范化。机制砂细度模数是评价机制砂质量的重要指标。相对于传统方试验室测试细度模数值，其测试周期较长，用于指导生产有一定的滞后性，影响机制砂产品质量稳定性。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的目的在于提出一种基于多元线性回归算法的机制砂细度模数预测方法，通过线性回归算法预测细度模数的变量关系，并将预测结果用于生产使用，具有较高的一致性。

本发明的另一个目的在于提出一种基于多元线性回归算法的机制砂细度模数预测系统。

为达上述目的，本发明一方面提出了一种基于多元线性回归算法的机制砂细度模数预测方法，包括：

获取机制砂生产系统的多个运行参数；

利用所述多个运行参数对机制砂的细度模数的影响因素进行分析得到影响因素分析结果；

根据所述影响因素分析结果得到影响所述细度模数的机制砂生产系统的实时运行参数；

将所述实时运行参数输入至构造好的多元线性回归模型，以基于参数线性关系进行细度模数预测得到细度模数预测结果。

根据本发明实施例的基于多元线性回归算法的机制砂细度模数预测方法还可以具有以下附加技术特征：

进一步地，在本发明的一个实施例中，所述实时运行参数，包括定量给料机流量、成品定量给料机流量、立轴式破碎机转速、V型选粉机转速和除尘风机转速。

进一步地，在本发明的一个实施例中，在将所述实时运行参数输入至构造好的多元线性回归模型之前，所述方法，还包括构造多元线性回归模型，包括：

获取所述实时运行参数的样本数据；

根据所述样本数据的线性关系构造所述多元线性回归模型。

进一步地，在本发明的一个实施例中，在得到多元线性回归模型之后，所述方法，还包括：

对所述多元线性回归模型进行数据关系检验得到关系检验结果；其中，所述数据关系检验，包括相关系数检验、F检验和t检验；

根据所述关系检验结果确定多元线性回归模型的模型函数，并求解以优化模型参数得到所述构造好的多元线性回归模型。

进一步地，在本发明的一个实施例中，所述方法，还包括：

对机制砂的细度模数进行实测计算得到细度模数实测结果；

对比所述细度模数实测结果和所述细度模数预测结果，根据数据对比结果更新所述多元线性回归模型的模型参数。

为达到上述目的，本发明另一方面提出了一种基于多元线性回归算法的机制砂细度模数预测系统，包括：

初始参数获取模块，用于获取机制砂生产系统的多个运行参数；