PCA和PSO-ELM在高炉铁水硅含量中的预测仿真

• 作者: 储岳中 张学锋 汤亚玲 黄陈林
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 粒子群优化 极限学习机 铁水硅含量 神经网络 主成分分析
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 仿真服务化
• 页码范围: 398-402
• 页数: 5页
• 分类号: TP391
• 字数: 2930字
• 语种: 中文

摘要

炉温的实时预测技术对高炉运转具有重要意义.在高炉炼铁过程中,通常以铁水硅含量来表征高炉热状态.针对硅含量预测效率和精度不足的问题,提出主成分分析和粒子群改进的极限学习机相结合的方法对高炉铁水硅含量进行预测.由于影响铁水硅含量的因素众多,且各因素之间相互影响,通过主成分分析对影响硅含量的输入变量进行降维处理.利用粒子群算法来优化极限学习机的权值和阈值,并以均方根误差作为适应度函数建立预测模型.将提取出的主成分作为模型输入,铁水硅含量作为模型输出.最后比较了极限学习机算法和粒子群改进的极限学习机,实验结果表明改进后的预测模型提高了硅含量预测的准确度,上述方法可为高炉的生产操作提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张学锋	安徽工业大学计算机科学与技术学院	38	186	6.0	12.0
2	储岳中	安徽工业大学计算机科学与技术学院	28	310	10.0	17.0
3	汤亚玲	安徽工业大学计算机科学与技术学院	25	120	6.0	10.0
4	黄陈林	安徽工业大学计算机科学与技术学院	1	0	0.0	0.0