改进型EMD-Elman神经网络在铁水硅含量预测中的应用

• 作者: 刘文辉 周哲 宋菁华 杨春节 马淑艳
• 来源期刊: 化工学报
• 关键词: 硅含量 预测 多尺度 动态建模 经验模态分解 神经网络
• 年，卷（期）: 2016,（3）
• 页码范围: 729-735
• 页数: 7页
• 分类号: TF513|TF512
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20151847

摘要

针对高炉炼铁过程的多尺度和动态特征，建立了基于经验模态分解(empirical mode decomposition, EMD)和Elman 神经网络的铁水硅含量预测模型。该模型先采用 EMD 将硅含量序列分解成有限个、相对平稳的本征模函数(intrinsic mode function, IMF)和剩余分量；然后，分别对每个IMF和剩余分量建立Elman神经网络子模型；为了进一步提高预测精度，将子模型的结果进行加权融合，并利用粒子群算法进行权值的寻优，最终获得硅含量的预测结果。将该模型用于某钢厂铁水硅含量的预报，实验结果证实了该方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨春节	浙江大学控制科学与工程学院	53	865	13.0	28.0
2	宋菁华	浙江大学控制科学与工程学院	2	15	2.0	2.0
3	周哲	浙江大学控制科学与工程学院	3	16	2.0	3.0
4	刘文辉	浙江大学控制科学与工程学院	2	34	2.0	2.0
5	马淑艳	浙江大学控制科学与工程学院	2	14	1.0	2.0