基于改进灰狼算法和多核极限学习机的铁水硅含量预测建模

摘要：

针对高炉铁水硅含量难以在线检测的问题,本文提出一种基于改进灰狼算法(IGWO)优化的多核极限学习机(MKELM)高炉铁水硅含量预测建模方法.首先,针对灰狼算法(GWO)寻优能力的不足,将最优–最差正交反向学习(OWOOBL)策略应用于灰狼算法的位置更新,得到一种改进灰狼优化算法.通过10种标准函数对所提算法进行仿真测试,结果表明此算法具有更好的寻优能力.其次,针对单核极限学习机(KELM)回归能力不足,将不同种类的核函数加权组合,并采用改进灰狼算法对多核极限学习机中的加权系数等参数进行优化.最后,基于某钢厂的实测数据对高炉铁水硅含量进行预测建模,仿真结果表明,本文所提方法的预测效果优于反向传播神经网络(BP–NN)、极限学习机(ELM)、KELM和GWO–MKELM,对高炉炼铁具有较好的指导意义.

关键词：改进灰狼优化算法、最优—最差正交反向学习、多核极限学习机、铁水硅含量、预测建模

所属期刊栏目：37

资助基金：国家自然科学基金项目;河北省自然科学基金项目;河北省人才工程培养经费资助科研项目

在线出版日期：2020-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1644-1654