基于GM-RBF神经网络组合模型的水泥强度预测方法

• 作者: 施正伦 申屠南瑛 裘国华
• 来源期刊: 科技导报
• 学科: 工学
• 关键词: GM-RBF神经网络 累加生成运算 抗压强度 预测模型
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 研究论文
• 页码范围: 56-61
• 页数: 6页
• 分类号: TP391.9
• 字数: 5020字
• 语种: 中文
• DOI: 10.3981/j.issn.1000-7857.2014.03.008

摘要

为预测煤矸石代黏土煅烧水泥的28 d抗压强度性能,根据生产水泥的物检分析数据,将GM(1,N)预测技术和径向基函数(RBF)神经网络技术相结合,提出了基于GM-RBF神经网络组合模型水泥强度预测的新方法.该组合模型首先利用试验产品的典型物检数据建立GM(1,N)网络,对数据进行预处理.然后将输入样本数据进行一次累加生成操作,并进行归一化,设置GM-RBF神经网络组合模型预测精度和散步常数.经处理后的输入样本作为RBF神经网络输入向量,相应的实测28 d抗压强度作为模型的输出期望值开展训练,比较预测数据与实测数据,并进行调整,最终得到符合精度要求的GM-RBF神经网络组合模型.该组合模型一方面避免GM(1,N)模型的理论误差,利用累加生成运算和样本数据的预处理,减少了由于训练样本随机性对建模精度产生的影响;另一方面由于具有自适应、自组织和速度快等特点,能快速预测水泥远期强度情况.仿真试验表明,该模型预测精度优于单个GM(1,N)模型或RBF神经网络模型,具有较好的拟合性,适用于对水泥强度的预测,可以为煤矸石代黏土煅烧水泥的质量分析提供有效参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	裘国华	中国计量学院信息工程学院	15	54	4.0	6.0
2	申屠南瑛	中国计量学院机电工程学院	12	42	4.0	6.0