用網(wǎng)絡(luò)性能比較穩(wěn)定的traingdm算法來建立網(wǎng)絡(luò)模型對(duì)所確定的traingdm算法的網(wǎng)絡(luò)模型，進(jìn)行定量研究表明隱含層神經(jīng)元個(gè)數(shù)取13時(shí)網(wǎng)絡(luò)性能****，確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型為7-13-3型的網(wǎng)絡(luò)模型并應(yīng)用Matlab神經(jīng)網(wǎng)絡(luò)工具箱實(shí)現(xiàn)該模型利用C++Builder程序設(shè)計(jì)語(yǔ)言優(yōu)越的全功能平臺(tái)和Matlab引擎技術(shù)實(shí)現(xiàn)對(duì)Matlab的調(diào)用建立模型界面采集了196組樣本數(shù)據(jù)，防水膠為了驗(yàn)證系統(tǒng)的準(zhǔn)確性，取其中7組數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)通過對(duì)該7組驗(yàn)證數(shù)據(jù)和實(shí)驗(yàn)數(shù)據(jù)比較，預(yù)測(cè)平均準(zhǔn)確率均達(dá)到80％以上，預(yù)測(cè)效果良好，表明該預(yù)測(cè)系統(tǒng)有一定使用價(jià)值，對(duì)工業(yè)生產(chǎn)有指導(dǎo)作用。
鑒于此，論文采用神經(jīng)網(wǎng)絡(luò)這一新技術(shù)建立基于人工神經(jīng)網(wǎng)絡(luò)的銅爐渣磨礦工藝參數(shù)對(duì)銅精礦指標(biāo)影響的預(yù)測(cè)系統(tǒng)，結(jié)合江西銅業(yè)貴溪冶煉廠實(shí)際生產(chǎn)工藝流程，采用其選礦車間日生產(chǎn)快報(bào)數(shù)據(jù)，將該浮選工藝流程中的半自磨礦漿濃度、水槽漆半自磨細(xì)度、球磨濃度、球磨細(xì)度、浮選進(jìn)料濃度、浮選進(jìn)料細(xì)度及原礦品位等7個(gè)參數(shù)作為輸入數(shù)據(jù)，原瓶進(jìn)口紅酒對(duì)銅精礦的精礦品位、尾礦品位、回收率等3項(xiàng)指標(biāo)進(jìn)行預(yù)測(cè)來建立神經(jīng)網(wǎng)絡(luò)模型首先進(jìn)行定性分析，以確定所使用的網(wǎng)絡(luò)計(jì)算函數(shù)通過同一網(wǎng)絡(luò)模型不同算法條件下建立的網(wǎng)絡(luò)模型定性分析綜合比較http://www.p9k.comhttp://www.senwang186.com。