基于改进PSO-KELM的高炉回旋区温度预测研究

• 作者: 崔桂梅 张勇 张运强
• 来源期刊: 中国测试
• 学科: 工学
• 关键词: 回旋区温度预测 核极限学习机 粒子群优化 高炉
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 物理测试
• 页码范围: 25-30
• 页数: 6页
• 分类号: TP391.9
• 字数: 3925字
• 语种: 中文
• DOI: 10.11857/j.issn.1674-5124.2019100041

摘要

高炉平稳运行时,喷煤量常根据回旋区温度的波动随时进行调整.相较于人工推断回旋区温度,建立回旋区温度预测模型更能及时准确地对喷煤量进行优化.针对常规PSO-KELM算法对回旋区温度预测命中率较低的问题,提出改进的PSO-KELM算法对其进行建模预测.首先,采用混沌机制调整惯性权重,并线性改变学习因子,以平衡粒子群的全局与局部搜索能力.其次,针对粒子群算法易陷入局部最优的缺点,引入遗传算法思想,将种群粒子交叉、变异,以提高种群多样性.最后,基于所提方法用某高炉运行数据建立回旋区温度预测模型,并与用常规PSO-KELM算法、BP神经网络、极限学习机建立的模型作对比.仿真结果表明,用所提算法建立的模型预测回旋区温度具有最高命中率和最低均方误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔桂梅	内蒙古科技大学信息工程学院	152	744	13.0	21.0
2	张勇	内蒙古科技大学信息工程学院	39	114	6.0	9.0
3	张运强	内蒙古科技大学信息工程学院	1	0	0.0	0.0