G-BP算法在烧结矿FeO指标预测中的应用

• 作者: 张军红 沈峰满 谢安国
• 来源期刊: 东北大学学报(自然科学版)
• 学科: 工学
• 关键词: 铁矿石 烧结 遗传算法 神经网络 BP算法 FeO含量 预测
• 年，卷（期）: 2002,（11）
• 所属期刊栏目: 材料与冶金
• 页码范围: 1073-1075
• 页数: 3页
• 分类号: TF046.4
• 字数: 1966字
• 语种: 中文
• DOI: 10.3321/j.issn:1005-3026.2002.11.015

摘要

实现烧结过程工艺参数的优化, 首先要进行烧结矿质量预测. 采用遗传算法与BP神经网络相结合的方法, 建立了烧结矿FeO含量预测模型, 并改进BP学习算法.仿真表明,该方法可以优化神经网络结构, 缩短学习时间. 与传统的BP神经网络模型相比, 预测值与实际值间的相对误差由6.534%降低至1.400%, 其精度高于传统BP网络模型.该方法为实现在线预测奠定基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈峰满	东北大学材料与冶金学院	150	1192	19.0	26.0
2	张军红	东北大学材料与冶金学院	1	31	1.0	1.0
3	谢安国		21	163	7.0	12.0