Сравнительный анализ методов регрессии и метода группового учета аргументов при моделировании процессов переработки полезных ископаемых; Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов; Т. 327, № 4
| Parent link: | Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов/ Национальный исследовательский Томский политехнический университет (ТПУ).— , 2015-.— 2413-1830 Т. 327, № 4.— 2016.— [С. 23-34] |
|---|---|
| Hoofdauteur: | |
| Coauteur: | |
| Andere auteurs: | |
| Samenvatting: | Заглавие с титульного листа Актуальность работы обусловлена необходимостью проведения сравнительного анализа методов регрессии и метода группового учета аргументов с целью оценки эффективности их применения при моделировании процессов переработки полезных ископаемых. Цель работы: оценка эффективности применения методов регрессии и метода группового учета аргументов при построении статистических моделей технологических процессов переработки полезных ископаемых на основании результатов теоретического исследования, компьютерных имитационных экспериментов и практического применения указанных методов. Методы исследования: методы математической статистики, метод имитационного моделирования, метод индуктивного моделирования. Результаты. Проведен сравнительный анализ методов регрессии и метода группового учета аргументов путем их теоретического исследования, компьютерных имитационных экспериментов и практического применения при построении модели, описывающей статистическую зависимость прибыли от выходных интервальных характеристик технологической системы измельчения руды Зангезурского медно-молибденового комбината. В результате логического анализа вышеупомянутых методов сделан вывод, что сравнительно высокое прогнозирующее свойство моделей, построенных методом группового учета аргументов, обеспечивается как выбором оптимальной структуры модели, так и за счет описания случайной ошибки. С помощью компьютерных имитационных экспериментов исследовано влияние объёма выборки, уровня статистического шума на прогнозирующих способностях моделей, построенных с использованием обоих методов. Установлено, что сравнительно высокое прогнозирующее свойство моделей, построенных методом группового учета аргументов, проявляется особенно при умеренном статистическом шуме и малых выборках, соизмеримых с числом входных переменных. Исследованы также возможности рассмотренных методов с точки зрения выявления физических и системных закономерностей различных объектов с заданными постулированными функциями. Эффективность практического применения рассмотренных методов оценена по результатам построения технико-экономической модели технологической системы измельчения руды. Применение шагового регрессионного метода позволило построить наилучшую с точки зрения компромисса между адекватностью и сложностью модель, что свидетельствует о целесообразности применения методов регрессии при построении статистических моделей технологических процессов переработки полезных ископаемых. The relevance of the discussed issue is caused by the need to conduct a comparative analysis of regression methods and the data group accounting method in order to evaluate the effectiveness of their use in modeling mineral processing. The main aim of the study is to assess the effectiveness of application of the regression methods and the data group accounting method in constructing statistical models of minerals processing based on the results of theoretical studies, computer simulation experiments and practical application of these methods. The methods used in the study: methods of mathematical statistics, simulation method, method of inductive modeling. The results. The authors have carried out thecomparative analysis of regression methods and the data group accounting method by theoretical investigations, computer simulations and practical applications at the construction of model describing the statistical dependence of profit on the output interval characteristics of the ore grinding technological system of Zangezur Copper and Molybdenum Combine. As a result of the logical analysis of the above mentioned methods the authors concluded that a relatively high predictive property of the models constructed by the data group accounting method is ensured both by the selection of the optimal model structure, and by description of the random error. Using the computer simulation experiments the authors investigated the influence of sample size, level of statistical noise on the predictive ability of the models built using both methods. It was ascertained that a relatively high predictive ability of models constructed by the data accounting group method occurs especially at moderate statistical noise and small samples, comparable to the number of input variables. The possibilities of these methods were studied as well in terms of identifying physical and systemic regularities of various objects with the specified postulated functions. The effectiveness of the practical application of the considered methods is evaluated by the results of construction of techno-economic model of ore grinding technological system. The application of a stepwise regression method allowed constructing the best possible model in terms of a compromise between adequacy and complexity. This indicates the feasibility of applying the regression methods at constructing the statistical models of minerals processing. |
| Taal: | Russisch |
| Gepubliceerd in: |
2016
|
| Onderwerpen: | |
| Online toegang: | http://earchive.tpu.ru/bitstream/11683/22650/1/bulletin_tpu-2016-v327-i4-03.pdf |
| Formaat: | MixedMaterials Elektronisch Hoofdstuk |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=318788 |
MARC
| LEADER | 00000nla2a2200000 4500 | ||
|---|---|---|---|
| 001 | 318788 | ||
| 005 | 20231101020545.0 | ||
| 035 | |a (RuTPU)RU\TPU\book\344289 | ||
| 090 | |a 318788 | ||
| 100 | |a 20160505d2016 k y0rusy50 ca | ||
| 101 | 0 | |a rus | |
| 102 | |a RU | ||
| 135 | |a drgn ---uucaa | ||
| 181 | 0 | |a i | |
| 182 | 0 | |a b | |
| 200 | 1 | |a Сравнительный анализ методов регрессии и метода группового учета аргументов при моделировании процессов переработки полезных ископаемых |f С. Ш. Баласанян, Э. М. Геворгян | |
| 203 | |a Текст |c электронный | ||
| 215 | |a 1 файл (281 Kb) | ||
| 230 | |a Электронные текстовые данные (1 файл : 281 Kb) | ||
| 300 | |a Заглавие с титульного листа | ||
| 320 | |a [Библиогр.: с. 32 (27 назв.)] | ||
| 330 | |a Актуальность работы обусловлена необходимостью проведения сравнительного анализа методов регрессии и метода группового учета аргументов с целью оценки эффективности их применения при моделировании процессов переработки полезных ископаемых. Цель работы: оценка эффективности применения методов регрессии и метода группового учета аргументов при построении статистических моделей технологических процессов переработки полезных ископаемых на основании результатов теоретического исследования, компьютерных имитационных экспериментов и практического применения указанных методов. Методы исследования: методы математической статистики, метод имитационного моделирования, метод индуктивного моделирования. | ||
| 330 | |a Результаты. Проведен сравнительный анализ методов регрессии и метода группового учета аргументов путем их теоретического исследования, компьютерных имитационных экспериментов и практического применения при построении модели, описывающей статистическую зависимость прибыли от выходных интервальных характеристик технологической системы измельчения руды Зангезурского медно-молибденового комбината. В результате логического анализа вышеупомянутых методов сделан вывод, что сравнительно высокое прогнозирующее свойство моделей, построенных методом группового учета аргументов, обеспечивается как выбором оптимальной структуры модели, так и за счет описания случайной ошибки. С помощью компьютерных имитационных экспериментов исследовано влияние объёма выборки, уровня статистического шума на прогнозирующих способностях моделей, построенных с использованием обоих методов. Установлено, что сравнительно высокое прогнозирующее свойство моделей, построенных методом группового учета аргументов, проявляется особенно при умеренном статистическом шуме и малых выборках, соизмеримых с числом входных переменных. Исследованы также возможности рассмотренных методов с точки зрения выявления физических и системных закономерностей различных объектов с заданными постулированными функциями. Эффективность практического применения рассмотренных методов оценена по результатам построения технико-экономической модели технологической системы измельчения руды. Применение шагового регрессионного метода позволило построить наилучшую с точки зрения компромисса между адекватностью и сложностью модель, что свидетельствует о целесообразности применения методов регрессии при построении статистических моделей технологических процессов переработки полезных ископаемых. | ||
| 330 | |a The relevance of the discussed issue is caused by the need to conduct a comparative analysis of regression methods and the data group accounting method in order to evaluate the effectiveness of their use in modeling mineral processing. The main aim of the study is to assess the effectiveness of application of the regression methods and the data group accounting method in constructing statistical models of minerals processing based on the results of theoretical studies, computer simulation experiments and practical application of these methods. The methods used in the study: methods of mathematical statistics, simulation method, method of inductive modeling. | ||
| 330 | |a The results. The authors have carried out thecomparative analysis of regression methods and the data group accounting method by theoretical investigations, computer simulations and practical applications at the construction of model describing the statistical dependence of profit on the output interval characteristics of the ore grinding technological system of Zangezur Copper and Molybdenum Combine. As a result of the logical analysis of the above mentioned methods the authors concluded that a relatively high predictive property of the models constructed by the data group accounting method is ensured both by the selection of the optimal model structure, and by description of the random error. Using the computer simulation experiments the authors investigated the influence of sample size, level of statistical noise on the predictive ability of the models built using both methods. It was ascertained that a relatively high predictive ability of models constructed by the data accounting group method occurs especially at moderate statistical noise and small samples, comparable to the number of input variables. The possibilities of these methods were studied as well in terms of identifying physical and systemic regularities of various objects with the specified postulated functions. The effectiveness of the practical application of the considered methods is evaluated by the results of construction of techno-economic model of ore grinding technological system. The application of a stepwise regression method allowed constructing the best possible model in terms of a compromise between adequacy and complexity. This indicates the feasibility of applying the regression methods at constructing the statistical models of minerals processing. | ||
| 453 | |t Comparative analysis of the regression methods and data group accounting method in modeling mineral processing |o translation from Russian |f S. Sh. Balasanyan, H. M. Gevorgyan |c Tomsk |n TPU Press |d 2016 |d 2016 |a Balasanyan, Seyran Shamirovich | ||
| 453 | |t Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering | ||
| 453 | |t Vol. 327, № 4 | ||
| 461 | 1 | |0 (RuTPU)RU\TPU\book\312844 |x 2413-1830 |t Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов |f Национальный исследовательский Томский политехнический университет (ТПУ) |d 2015- | |
| 463 | 1 | |0 (RuTPU)RU\TPU\book\344260 |t Т. 327, № 4 |v [С. 23-34] |d 2016 | |
| 610 | 1 | |a электронный ресурс | |
| 610 | 1 | |a руды | |
| 610 | 1 | |a измельчение | |
| 610 | 1 | |a регрессионная модель | |
| 610 | 1 | |a иммитационные эксперименты | |
| 610 | 1 | |a селекция | |
| 610 | 1 | |a многорядный полиномиальный алгоритм | |
| 610 | 1 | |a полезные ископаемые | |
| 610 | |a regression model | ||
| 610 | |a simulation experiment | ||
| 610 | |a selection | ||
| 610 | |a multi-row polynomial algorithm | ||
| 610 | |a minerals | ||
| 610 | |a ore grinding | ||
| 700 | 1 | |a Баласанян |b С. Ш. |g Сейран Шамирович |6 z01712 | |
| 701 | 1 | |a Геворгян |b Э. М. |g Эрмине Михайловна |6 z02712 | |
| 712 | 0 | 2 | |a Национальный политехнический университет Армении (Политехник, НПУА) |b Капанский филиал |c (Капан) |2 stltpush |3 (RuTPU)RU\TPU\col\20412 |6 z01700 |
| 712 | 0 | 2 | |a Национальный политехнический университет Армении (Политехник, НПУА) |b Капанский филиал |c (Капан) |2 stltpush |3 (RuTPU)RU\TPU\col\20412 |6 z02701 |
| 801 | 2 | |a RU |b 63413507 |c 20160829 |g PSBO | |
| 856 | 4 | |u http://earchive.tpu.ru/bitstream/11683/22650/1/bulletin_tpu-2016-v327-i4-03.pdf | |
| 942 | |c CF | ||