本题主要是神经网络、机器学习预测
这几个条件需要注意
①假设矿石加工过程需要经过系统I和系统II两个环节，两个环节不分先后，其他条件（电压、水压等）保持不变。
②生产技术人员可以通过传入调温指令，调节温度来改变产品质量。其中系统I和II的温度数据见附件1和附件2。
③矿石加工过程为2小时整（即：在调节温度2个小时后，可检测得到该调节温度所对应的矿石产品质量的评价指标（A,B,C,D））
④假设每次温度调节之后的2个小时内不会传入新的调温指令，调温指令下达后系统温度基本与调温指令设定的温度相同，但是有轻微波动
图2-矿石的加工过程
第一问，需要根据构建出系统温度和原矿参数预测产品质量的方法，时间肯定是要以产品质量数据的时间为准，质量评价指标ABCD是调节温度两小时后得到的（两小时内温度有轻微波动），附件中的质量数据是一小时得出一个结果，所以说温度数据需要依次取2小时片段数据取平均值来对应质量指标数据，原矿参数是哪一天的这一天的数据训练都用这天的值就行了，还有个问题，没有23号的系统温度，可以看下图，每天的数据没有周期性，不建议使用时间序列去补充，推荐就计算下原矿参数各组的相关性，用相关性较高的数据组那天的温度
图3
有了数据后就代入模型训练，可能性最大的产品指标其实就是模型训练后你预测的结果，模型训练好后，带入表1中两组系统温度和对应23号的原矿参数，输出四个指标ABCD
后面问不管正向预测还是反向预测，都基本是同样的模型，注意做模型的误差检验，这道题推荐所有队伍选择，机器学习算法现学也很快
常用代码：
神经网络编程步骤
（1）寻找对结果产生影响的各种指标，假设有m个
（2）寻找样本n个，构造矩阵m*n，其对应的标准输出是n*1
(3)将上述m*n与n*1分别带入网络中训练，类似于下列代码中的P与T
（4）输入新的数据进行仿真，类似于下列代码中的P2；
%traingd
clear;
clc;
P=[-1 -1 2 2 4;0 5 0 5 7];
T=[-1 -1 1 1 -1];
%利用minmax函数求输入样本范围
net = newff(minmax(P),[7,1],{'tansig','purelin'},'trainlm');
net.trainParam.show=50;%
net.trainParam.lr=0.05;
net.trainParam.epochs=1000;
net.trainParam.goal=1e-5;
[net,tr]=train(net,P,T);
net.iw{1,1}%隐层权值
net.b{1}%隐层阈值
net.lw{2,1}%输出层权值
net.b{2}%输出层阈值
P2=[-1;2];
y3=sim(net,P2);
后续代码获取：
