简介:摘要在本研究中,主要阐述了冶炼高炉烧结矿化学原料的配比的准确预测,通过分析烧结具体工艺原理以及特点,提出采用深度学习中的深度置信网络算法,能够准确预测烧结矿化学成分,建立具有深度置信网络为核心的准确预测模型。首先,需要进行深度置信网络结构和参数的设计,通过利用无监督贪婪算法能够完成模型训练,采用BP网络反向微调权值对整个模型进行优化,最后比较浅层预测算法,通过仿真结果表发现,利用这种方法所获得的预测值是与具体值之间的差距相对较小,具有较高的预测精确度,相比其他方法来说具有显著优势,表明在烧结矿化学原料配比上采用深度置信网络法,具有较高的准确预测效果和有效性。
简介:摘要:目的 本文采用了薄层色谱法,容量法以及高效液相色谱法对奈立膦酸钠的原料药中的有关物质进行了测定。方法 采用薄层色谱法对奈立膦酸钠的起始原料 6-氨基己酸以及磷酸盐杂质的含量进行测定,采用容量法对亚磷酸盐杂质进行研究,原料药中的未知杂质则通过高效液相色谱法进行测定。结果 本实验设计的薄层色谱法检测 6-氨基己酸以及磷酸盐含量能够准确分离奈立膦酸钠和杂质,专属性很好,原料药样品中未检出 6-氨基己酸以及磷酸盐杂质。容量法检测原料药的亚磷酸盐含量结果显示,该方法专属性、线性、精密度和准确度均满足要求。未知杂质通过高效液相色谱法进行检测,报告显示未有未知杂质检出。