应用混沌粒子群优化训练的BP神经网络预报高炉铁水含硅量

• 作者: 史燕 徐生林 杨成忠
• 来源期刊: 冶金分析
• 学科: 工学
• 关键词: 混沌粒子群优化算法 BP神经网络 铁水含硅量 预报
• 年，卷（期）: 2010,（5）
• 页码范围: 9-13
• 分类号: TP183
• 字数: 4090字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7571.2010.05.003

摘要

应用混沌粒子群优化(Chaos Particle Swarm Optimization,CPSO)算法训练BP神经网络(Back-Propagation Neural Network,BPNN)并对高炉铁水含硅量进行预报.针对BP神经网络收敛速度慢和易于陷入极小值的问题,在粒子群优化算法中引入混沌思想,提出混沌粒子群优化算法,改善了粒子群优化算法摆脱局部极值点的能力,提高了BP网络的计算精度和收敛速度.系统分别选用料速、透气性指数、炉顶温度、风温、风量、喷煤量、上一炉铁水硅含量作为BP神经网络的输入层神经元,中间层(隐含层)有13个结点(用经验公式确定),输出层有一个结点,为铁水硅含量.应用CPSO算法训练BP神经网络建立的铁水含硅量预报模型对江苏永钢炼铁一厂1号高炉铁水含硅量的实际数据进行网络学习和预报.结果表明,此模型预报命中率高达91.2%,证明了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨成忠	杭州电子科技大学自动化学院	64	222	8.0	10.0
2	徐生林	杭州电子科技大学自动化学院	28	88	4.0	7.0
3	史燕	杭州电子科技大学自动化学院	5	13	2.0	3.0