Prediction of Multiple Molten Iron Quality Indices in the Blast Furnace Ironmaking Process Based on Attention-wise Deep Transfer Network

Molten iron quality (MIQ) indices prediction based on data-driven models is an important way to monitor product quality and smelting status in the blast furnace ironmaking process. However, some challenges still place in the MIQ prediction: 1) limited nonlinear and dynamic description capabilities a...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on instrumentation and measurement Ročník 71; s. 1
Hlavní autoři:	Jiang, Ke, Jiang, Zhaohui, Xie, Yongfang, Pan, Dong, Gui, Weihua
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 2022 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Attention-wise deep network Blast furnace Computational modeling Denoising autoencoder (DAE) Heuristic algorithms Iron Ironmaking Modules Molten iron quality Multitask transfer learning Prediction Predictive models Process variables Silicon Smelting Task analysis
ISSN:	0018-9456, 1557-9662
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!