基于GA-BP神经网络与敏感性分析的带钢厚度预测

• 作者: 吴倩 唐秋华 张利平 李维刚
• 来源期刊: 武汉科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 带钢 厚度预测 GA-BP神经网络 遗传算法 Tchaban算法 敏感性分析
• 年，卷（期）: 2018,（1）
• 页码范围: 32-36
• 页数: 5页
• 分类号: TG334.9+3|TP273+.3
• 字数: 3921字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3644.2018.01.006

摘要

为提高带钢厚度预测精度,构建了融合GA-BP神经网络和敏感性分析的T-GA-BP预测模型.首先通过循环迭代方式确定较优的BP神经网络隐含层的层数与节点数,再采用遗传算法对BP网络的权阈值进行优化.在此基础上,利用Tchaban算法进行敏感性分析,研究输入层中各工艺参数对带钢厚度的影响程度,筛选出重要参数作为新的输入样本来训练T-GA-BP神经网络模型,以降低网络复杂度.采用实际生产数据进行测试,结果表明,T-GA-BP模型的带钢厚度预测精度要高于BP、GA-BP、RBF、Elman神经网络等其他优化模型.同时,工艺参数敏感性分析结果可为轧制工艺调控方案的制定提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐秋华	武汉科技大学冶金装备及其控制教育部重点实验室	103	822	16.0	21.0
5	李维刚	武汉科技大学信息科学与工程学院	32	61	4.0	6.0
6	张利平	武汉科技大学冶金装备及其控制教育部重点实验室	33	255	11.0	14.0
10	吴倩	武汉科技大学冶金装备及其控制教育部重点实验室	2	0	0.0	0.0