1.一种基于多元线性回归算法的机制砂细度模数预测方法，其特征在于，包括以下步骤：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；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；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；所述构建多元线性回归模型，包括：构建线性回归模型：其中， ；样本有n组测试数据 ，则上述线性回归模型为： ；多元线性回归方程的平差模型Q为： ；分别对 求偏导数，以得到多元正规方程组： ；求解所述多元正规方程组以得到回归参数的估计值矩阵： ；通过回归平方占总平方和的比值对所述多元线性回归模型的相关系数进行检验：其中k为自变量个数，n为样本总个数，SSR是由自变量引起的偏差，即回归平方和，SST表示因变量观测值和均值的差异的偏差平方和，SSE是实验误差引起的残差平方和；若 表示真实的观测值， 表示真实观测值的平均值，用 表示拟合值，则SSR、SSE、SST公式分别为 ；基于F检验来检验线性模型中自变量和因变量之间的关系；通过t检验决定保留在模型中的自变量；根据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。
2.根据权利要求1所述的方法，其特征在于，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。
3.根据权利要求1所述的方法，其特征在于，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。
4.一种基于多元线性回归算法的机制砂细度模数预测系统，其特征在于，所述系统用于实现如权利要求1所述的基于多元线性回归算法的机制砂细度模数预测方法，所述系统包括：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；影响因素分析模块，用于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；运行参数获取模块，用于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；模型构造模块，用于构建多元线性回归模型；模数结果预测模块，用于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；所述模型构造模块，包括：数据获取子单元，用于获取所述实时运行参数的样本数据；模型构造子单元，用于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，以得到构造好的多元线性回归模型；所述模型构造模块，还用于：对所述构造好的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，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。
5.根据权利要求4所述的系统，其特征在于，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。
6.根据权利要求4所述的系统，其特征在于，所述系统，还包括模型更新模块，用于：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。
转果果小程序
转果果公众号