基于PSO-BP神经网络的高炉炼铁含硅量预测模型

详细信息    查看全文 | 推荐本文 |

	作者：王鹏飞 ; 张晨 关键词：PSO算法 ; BP神经网络 ; 高炉炼铁含硅量 ; 动态预测 中文刊名：ZLXC 英文刊名：China Strategic Emerging Industry 机构：海南大学经济与管理学院; 出版日期：2017-07-28 出版单位：中国战略新兴产业 年：2017 期：No.112 语种：中文; 页：ZLXC201728068 页数：1 CN：28 ISSN：10-1156/F 分类号：106

摘要

高炉炼铁是一种具有强时延性的非线性系统,本文针对高炉炼铁过程中含硅量[Si]的动态预测问题,进行了数据挖掘与模型建立。首先对数据进行了预处理,包括3σ原则验证与归一化处理。同时[Si]预测问题可看做一个多输入单输出的多元时间序列问题,本文选取了优化PSO-BP神经网络算法来得到多元时间序列模型。在一步预测模型的基础上,通过将一步预测结果作为二步预测的变量的方法,进一步建立了[Si]的二步预测模型。最后结合模型的预测图以及各类性能指标对[Si]预测模型进行了评估分析。
        

引文

[1]李静.基于数据挖掘的高炉铁水温度建模与预报[D].内蒙古科技大2013.
    [2]邹明秋.国内外高炉数学模型应用研究的概况[J].冶金自动化:12-18,1988.
    [3]张国英.基于炉热指数和BP网络的高炉铁水硅含量预报系统[D].重庆大学硕士学位论文:38-41,2008.
    [4]崔桂梅,李静,张勇.高炉铁水温度的多元时间序列建模和预测[J].钢铁研究学报,26(4):2014.