基于PSO-BP神经网络的高炉煤气受入量的预测

• 作者: 任雄朝 李志刚 纪月
• 来源期刊: 现代电子技术
• 关键词: 高炉煤气 受入量预测 预测模型 PSO-BP神经网络 模型训练 模型检验
• 年，卷（期）: 2019,（13）
• 所属期刊栏目: 能源与环境科学
• 页码范围: 134-136,141
• 页数: 4页
• 分类号: TN98-34
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.13.031

摘要

以高炉煤气为主要研究对象,基于BP神经网络引入粒子群算法优化BP神经网络的权值,通过调试和改进建立PSO-BP神经网络高炉煤气受入量预测模型,使企业实现对煤气的合理调度和平衡调整,研究结合唐山钢厂的历史数据对该模型进行训练和检验.研究结果表明,BP模型比未改进的BP模型更能精确地预测受入量,并解决了遗传算法(GA)优化BP神经网络容易陷入早熟收敛的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李志刚	华北理工大学信息工程学院	14	20	3.0	4.0
2	纪月	华北理工大学信息工程学院	8	7	1.0	2.0
3	任雄朝	华北理工大学电气工程学院	1	0	0.0	0.0