分段线性回归和动态加权神经网络融合的高炉料位预测

• 作者: 李晞月 桂卫华 蒋朝辉 谢永芳 阳春华
• 来源期刊: 控制理论与应用
• 关键词: 高炉 料位 预测 分段线性回归 动态加权 神经网络
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 短文
• 页码范围: 801-809
• 页数: 9页
• 分类号: TP273
• 语种: 中文
• DOI: 10.7641/CTA.2015.50033

摘要

针对高炉料位难以连续高精度测量的问题,提出了一种基于分段线性回归和动态加权神经网络的高炉料位信息预测方法.首先,通过分析高炉布料机制和料位检测数据特点,提出了一种面向雷达和机械探尺检测数据时间序列的联合划分方法,用于提取高炉料位的周期性变化特征;然后,利用该变化特征构建分段线性回归模型,获得能准确描述料位变化的回归曲线;最后,以回归统计指标为权重调节系数,利用动态加权径向基神经网络对料位信息进行预测.实例验证表明,该方法融合了机械探尺检测数据精度高以及雷达检测数据连续性好的特点,实现了高炉料位信息的实时有效预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阳春华	中南大学信息科学与工程学院	389	3229	27.0	37.0
2	桂卫华	中南大学信息科学与工程学院	695	7452	38.0	56.0
3	谢永芳	中南大学信息科学与工程学院	101	578	12.0	18.0
4	蒋朝辉	中南大学信息科学与工程学院	34	240	10.0	13.0
5	李晞月	中南大学信息科学与工程学院	1	11	1.0	1.0