【技术实现步骤摘要】
一种基于虚拟样本的铈镨和钕组分含量的预测方法及系统
本专利技术涉及稀土萃取过程多组分预测领域，特别是涉及一种基于虚拟样本的铈镨和钕组分含量的预测方法及系统。
技术介绍
稀土是由镧系元素、钪和钇等17种元素组成，且以共生矿形式存在。稀土元素提纯主要采用串级萃取分离工艺。在稀土串级萃取工艺过程中，待分离溶液中包括的稀土元素有Ce、Pr和Nd，根据元素与萃取剂、洗涤剂的络合度以及生产线的设定要求，Nd为易萃组分，即洗涤段出口为富含Nd离子的萃取液，萃取液呈现紫红色特征；相应地，Ce、Pr为难萃组分，萃取段出口则为富含Ce离子和Pr离子的萃余液，其溶液显现出苹果绿特征。利用CePr/Nd萃取生产工艺中Pr离子和Nd离子的颜色特征与组分含量的相关性，建立组分含量软测量模型，可以实现组分含量的快速检测。但在稀土萃取生产现场，由于数据采集困难、代价高等原因造成小样本问题，使得基于稀土溶液颜色的组分含量预测模型依据稀土溶液颜色测量组分含量不够准确。
技术实现思路
本专利技术的目的是提供一种基于虚拟样本的铈镨和钕组分含量的...
【技术保护点】
1.一种基于虚拟样本的铈镨和钕组分含量的预测方法，其特征在于，包括：/n获取稀土萃取生产中的铈镨和钕的混合溶液；/n根据所述混合溶液确定所述混合溶液的图像；/n对所述图像进行预处理；所述预处理包括背景分割和滤波；/n在HSI颜色空间下，提取预处理后的图像的H颜色特征、S颜色特征和I颜色特征，得到原始数据样本；所述原始数据样本包括H颜色特征、S颜色特征、I颜色特征和钕组分含量钕组分含量；/n以所述原始数据样本的H颜色特征、S颜色特征和I颜色特征为输入，以所述原始数据样本的钕组分含量值为输出，构建钕组分含量的随机配置网络模型；/n对所述随机配置网络模型进行线性中点插值，得到虚拟...
【技术特征摘要】
1.一种基于虚拟样本的铈镨和钕组分含量的预测方法，其特征在于，包括：
获取稀土萃取生产中的铈镨和钕的混合溶液；
根据所述混合溶液确定所述混合溶液的图像；
对所述图像进行预处理；所述预处理包括背景分割和滤波；
在HSI颜色空间下，提取预处理后的图像的H颜色特征、S颜色特征和I颜色特征，得到原始数据样本；所述原始数据样本包括H颜色特征、S颜色特征、I颜色特征和钕组分含量钕组分含量；
以所述原始数据样本的H颜色特征、S颜色特征和I颜色特征为输入，以所述原始数据样本的钕组分含量值为输出，构建钕组分含量的随机配置网络模型；
对所述随机配置网络模型进行线性中点插值，得到虚拟数据样本；
将所述原始数据样本和所述虚拟数据样本进行融合；
利用融合后的数据样本重构所述随机配置网络模型；
根据重构后的随机配置网络模型确定钕组分含量值；
根据所述钕组分含量值确定铈和镨的组分含量值。
2.根据权利要求1所述的一种基于虚拟样本的铈镨和钕组分含量的预测方法，其特征在于，所述以所述原始数据样本的H颜色特征、S颜色特征和I颜色特征为输入，以所述原始数据样本的钕组分含量值为输出，构建钕组分含量的随机配置网络模型，具体包括：
利用确定所述随机配置网络模型的网络输出；其中，为随机配置网络模型的网络输出，为第L个隐含层节点对应的隐含层输出矩阵，为隐含层与输出层的连接权值。
3.根据权利要求2所述的一种基于虚拟样本的铈镨和钕组分含量的预测方法，其特征在于，所述对所述随机配置网络模型进行线性中点插值，得到虚拟数据样本，具体包括：
确定随机配置网络模型中隐含层和网络输出之间的对应关系；
根据所述对应关系，在所述隐含层的输出和网络输出之间进行线性中点插值处理，分别得到线性中点插值后的隐含层的输出和线性中点插值后的网络输出；所述线性中点插值后的网络输出为虚拟输出数据；
利用公式确定虚拟输入数据；其中，为输入权值矩阵的广义逆，为隐含层神经元的偏置，为激活函数的逆，为线性中点插值后的隐含层的输出；
将所述虚拟输入数据和所述虚拟输出数据确定为虚拟数据样本。
4.根据权利要求3所述的一种基于虚拟样本的铈镨和钕组分含量的预测方法，其特征在于，所述确定随机配置网络模型中隐含层和网络输出之间的对应关系，具体包括：
利用公式确定隐含层的输出矩阵，其中，为隐含层的输出矩阵，为矩阵的第行的第列元素；
利用公式确定隐含层和网络输出之间的对应关系。
5.一种基于虚拟样本的铈镨和钕组分含量的预测系统，其特征在于，包括：
混合溶液获取模块，用于获取...
【专利技术属性】
技术研发人员：陆荣秀，赖路璐，杨辉，朱建勇，杨刚，
申请(专利权)人：华东交通大学，
类型：发明
国别省市：江西;36
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。