基于GA—PSO-BP神经网络的LF终点温度预测

• 作者: 徐安军 李军 田乃媛 贺东风
• 来源期刊: 炼钢
• 学科: 工学
• 关键词: LF精炼炉 钢水温度预测BP神经网络 遗传算法 粒子群算法
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 试验研究
• 页码范围: 50-52
• 分类号: TF769.2
• 语种: 中文

摘要

针对LF冶炼特点和现有钢水温度预报方法存在的不足，提出了一种新的预测LF终点温度的BP神经网络模型。用遗传算法（GA）和粒子群算法（PSO）混合优化BP神经网络的权值和阈值，提高BP神经网络的预测精度。混合模型既克服了传统机理模型难以准确实现的困难，也弥补了传统BP算法的不足，结合了2种算法的优点，改善了预测模型的收敛性能。开发了基于Java语言的现场应用软件。仿真结果表明，该算法可以提高预测精度和速度，预测误差在5℃以内的炉次达到了88％。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田乃媛	北京科技大学钢铁冶金新技术国家重点实验室	133	1361	21.0	29.0
2	李军	北京科技大学钢铁冶金新技术国家重点实验室	17	78	5.0	8.0
3	徐安军	北京科技大学钢铁冶金新技术国家重点实验室	113	644	14.0	19.0
4	贺东风	北京科技大学钢铁冶金新技术国家重点实验室	92	427	9.0	16.0