123

 

ISSN 0536-1028 (Print)              ISSN 2686-9853 (Online)  
УДК 004.438 DOI: 10.21440/0536-1028-2018-1-42-47

ЛЕОНОВ Р. Е.
Статья посвящена актуальной проблеме обучения компьютера прогнозированию некоторых
параметров обогатительных процессов. Рассмотрен прогноз содержания мелких классов
в руде, поступающей на обогатительную фабрику, по данным минералогического состава руды
и прогноз содержания общего железа после заключительной стадии мокрой магнитной сепа-
рации по технологическим данным предварительных стадий обогащения. С учетом небольшо-
го объема статистических данных о процессах использована линейная регрессия совместно
с процессом кросс-валидации на этапе обучения. Результаты прогноза проверены на независи-
мых данных. Рассмотрена зависимость эффективности прогноза от количества проходов
кросс-валидации. Обучение компьютера выполнено в приложении Anaconda3 языка
Python 3.6.0, отладка программ обучения и последующего контроля произведена в Spyder и IPython.
К л ю ч е в ы е с л о в а : машинный прогноз; обогатительные процессы; кросс-валидация.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Вапник В. Н., Червоненкис А. Я. Теория распознавания образов. М.: Наука, 1974. 416 с.
2. Нильсон Н. Обучающиеся машины. М.: Мир, 1967. 180 с.
3. Браиловский В. Л., Лунц А. Л. Формулировка задачи распознавания объектов со многими
параметрами и методы ее решения // Изв. АН СССР. Техническая кибернетика. 1969. № 1. С. 20–33.
4. Коэльо Л. П., Ричарт В. Построение систем машинного обучения на языке Python. М.: ДМК
Пресс, 2016. 302 с.
Поступила в редакцию 26 октября 2017 года