基于深度学习的湿法冶金工艺参数预测与优化模型的设计及数值仿真研究
作者机构：石家庄信息工程职业学院计算机应用系
出 版 物：《湿法冶金》 (Hydrometallurgy of China)
年 卷 期：2024年
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0806[工学-冶金工程] 080601[工学-冶金物理化学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
主 题：铜 萃取 湿法冶金 DDPG 1D-CNN Seq2Seq 数值仿真
摘 要：针对湿法冶金工艺参数预测中存在的预测模型计算效率低及智能化程度不足等问题，提出了一个基于1D-CNN算法预测铜离子浓度、Seq2Seq模型预测传质速率，并以经济效益最大化为目标的流程优化控制模型，并采用DDPG算法求解最优化问题。数值仿真和实证研究结果表明，该模型对铜萃取流程工艺参数的预测准确度较高，实现对参数的有效优化调整，从而促进经济效益提升。
同方期刊数据库