基于粒子群算法优化BP神经网络漏钢预报的研究

• 作者: 任祎龙 李文涛 肖俊生
• 来源期刊: 计算机测量与控制
• 关键词: 粒子群优化算法 BP神经网络 连铸 漏钢预测
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 算法、设计与应用
• 页码范围: 1302-1304
• 页数: 3页
• 分类号: TF777
• 语种: 中文

摘要

针对标准BP神经网络中收敛速度慢以及易陷入局部最优解等问题,利用粒子群算法的全局搜索性,将粒子群算法应用到BP神经网络训练中建立了PSO-BP神经网络模型,结果表明改进模型不仅可以克服传统BP网络收敛速度慢和易陷入局部权值的局限问题,而且很大程度地提高了结果精度和BP网络学习能力,将此模型应用到结晶器漏钢预报系统中,并用某钢厂采集到的历史数据对该模型进行训练与测试,与标准BP神经网络测试结果进行分析与比较,实验表明PSO-BP网络模型预报更加实时、准确,具有很好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李文涛	内蒙古科技大学信息工程学院	66	252	8.0	12.0
2	肖俊生	内蒙古科技大学信息工程学院	26	65	5.0	6.0
3	任祎龙	内蒙古科技大学信息工程学院	2	13	2.0	2.0