改进型EMD-Elman神经网络在铁水硅含量预测中的应用

摘要：

针对高炉炼铁过程的多尺度和动态特征，建立了基于经验模态分解(empirical mode decomposition, EMD)和Elman 神经网络的铁水硅含量预测模型。该模型先采用 EMD 将硅含量序列分解成有限个、相对平稳的本征模函数(intrinsic mode function, IMF)和剩余分量；然后，分别对每个IMF和剩余分量建立Elman神经网络子模型；为了进一步提高预测精度，将子模型的结果进行加权融合，并利用粒子群算法进行权值的寻优，最终获得硅含量的预测结果。将该模型用于某钢厂铁水硅含量的预报，实验结果证实了该方法的有效性。

关键词：硅含量、预测、多尺度、动态建模、经验模态分解、神经网络

所属期刊栏目：67

分类号：TF513;TF512(炼铁)

资助基金：国家自然科学基金项目61290321；国家高技术研究发展计划项目2012AA041709。@@@@supported by the National Natural Science Foundation of China61290321;the National High Technology Research and Development Program of China2012AA041709

在线出版日期：2016-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：729-735