PCA和PSO-ELM在高炉铁水硅含量中的预测仿真

黄陈林; 汤亚玲; 张学锋; 储岳中

首页> 中文期刊> 《计算机仿真》 >PCA和PSO-ELM在高炉铁水硅含量中的预测仿真

PCA和PSO-ELM在高炉铁水硅含量中的预测仿真

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

cqvip: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。

著录项

来源
《计算机仿真》 |2020年第2期|398-402|共5页
作者
黄陈林; 汤亚玲; 张学锋; 储岳中;
展开▼
作者单位

安徽工业大学计算机科学与技术学院安徽马鞍山243002;

展开▼
原文格式 PDF
正文语种 chi
中图分类信息处理（信息加工）;
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;

相似文献

中文文献
外文文献
专利

1. 小波RBF神经网络在高炉铁水硅含量预测中的应用 [J] . 万金镇 ,秦莉娜 ,路永辉 . 甘肃冶金 . 2009,第002期
2. IGA-BP网络模型在高炉铁水硅含量预测中的应用 [J] . 王华强 ,胡平 ,李海波 . 合肥工业大学学报（自然科学版） . 2007,第004期
3. 高炉铁水硅含量自组织预测中的模式量化 [J] . 谢灵杰 ,高小强 ,郑忠 . 钢铁研究学报 . 2004,第4期
4. 基于最优工况迁移的高炉铁水硅含量预测方法 [J] . 蒋朝辉 ,许川 ,桂卫华 . 自动化学报 . 2022,第1期
5. 基于大数据技术的高炉铁水硅含量预测 [J] . 刘小杰 ,邓勇 ,李欣 . 中国冶金 . 2021,第2期
6. 基于数据的高炉铁水硅含量预测 [C] . YIN Juping ,尹菊萍 ,JIANG Zhaohui . 第二十届全国自动化应用技术学术交流会 . 2015
7. 高炉铁水硅含量预测中的直接经验和间接经验 [A] . 谢灵杰 . 2003

PCA和PSO-ELM在高炉铁水硅含量中的预测仿真

摘要

著录项

相似文献

相关主题

期刊订阅