基于混合遗传算法的电弧炉终点目标温度预报模型

• 作者: 姜琳 姜静 孙铁 李华德
• 来源期刊: 特殊钢
• 学科: 工学
• 关键词: 混合遗传算法 神经网络 预报模型 电弧炉 终点目标温度
• 年，卷（期）: 2007,（5）
• 所属期刊栏目: 试验研究
• 页码范围: 22-24
• 页数: 3页
• 分类号: TF3
• 字数: 3485字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-8620.2007.05.008

摘要

BP(Back Propagation)算法和遗传算法相结合的混合训练方法步骤为:首先用遗传算法定位出一个较好的搜索空间,然后采用BP算法在这个小的解空间中搜索出最优解.分别用遗传算法和混合遗传算法训练100 t电弧炉终点温度神经网络预报模型.仿真结果表明:混合遗传算法有更快的收敛速度和更高的预报命中率.当目标温度的精度范围为±2 ℃、±4 ℃、±6 ℃和±8 ℃时,BP算法的温度命中率分别为75%、82%、86%和92%,混合遗传算法的温度命中率分别为80%、88%、90%和96%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜琳		4	37	4.0	4.0
2	李华德	北京科技大学信息工程学院	145	1646	23.0	36.0
3	姜静	北京科技大学信息工程学院	6	40	5.0	6.0
4	孙铁	北京科技大学信息工程学院	12	66	5.0	7.0