基于粒子群神经网络的高炉炉温预测

• 作者: 刘景艳 张伟
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 炉温预测 铁水硅含量 神经网络 小生境粒子群算法
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 理论与算法
• 页码范围: 42-45
• 页数: 4页
• 分类号: TP183|TN911
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1701051

摘要

高炉冶炼过程中通常以铁水硅含量来反映高炉炉温,由于影响铁水硅含量的参数较多,且各参数之间相互影响,传统的基函数(BP)神经网络在炉温预测中存在着收敛速度慢、易陷入局部极小值等缺点,提出了一种基于小生境粒子群算法优化的径向基函数(RBF)神经网络预测模型,将RBF神经网络和小生境粒子群算法有机地结合起来,利用小生境粒子群算法来优化RBF神经网络的隐层基函数宽度和中心,并利用优化后的RBF神经网络对炉温进行预测,建立了神经网络训练和检验样本集,对预测模型进行训练和检验.仿真结果表明该预测模型加快了网络收敛速度,改善了神经网络的泛化能力,具有稳定性好、预测精度高的特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张伟		62	275	9.0	13.0
2	刘景艳		30	169	7.0	11.0