基于GA-PSO-BP神经网络的烧结终点预测模型

• 作者: 尹学 李绍铭 闫成忍
• 来源期刊: 烧结球团
• 学科: 工学
• 关键词: 烧结终点 BP神经网络 GA-PSO-BP神经网络 预测模型
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 冻结
• 页码范围: 35-39,46
• 页数: 6页
• 分类号: TP273|TF046.4
• 语种: 中文
• DOI: 10.13403/j.sjqt.2020.06.081

摘要

烧结作为钢铁冶炼过程的一个重要环节,具有非线性、多变量、大滞后等特点,而烧结终点预测是烧结过程智能控制的重点与难度.本文基于BP神经网络建模方法,采用遗传-粒子群(GA-PSO)混合算法优化BP神经网络的权值和阈值,建立基于GA-PSO-BP神经网络的烧结终点预测模型;并结合某烧结厂的现场数据,将GA-PSO-BP预测模型和PSO-BP、GA-BP、BP预测模型进行对比仿真实验.结果表明:基于GA-PSO-BP神经网路预测模型的均方根误差(RMSE)、平均绝对误差(MAE)、均方误差(MSE)以及最大绝对值误差(MAVE)分别为0.006、0.001 9、3.595 4 × 10-5和0.046 7.GA-PSO-BP预测模型的预测精度和误差均优于其他3种预测模型,更适用于在实际生产中预测烧结终点位置.