基于GA-PSO-BP神经网络的烧结终点预测模型

摘要：

烧结作为钢铁冶炼过程的一个重要环节,具有非线性、多变量、大滞后等特点,而烧结终点预测是烧结过程智能控制的重点与难度.本文基于BP神经网络建模方法,采用遗传-粒子群(GA-PSO)混合算法优化BP神经网络的权值和阈值,建立基于GA-PSO-BP神经网络的烧结终点预测模型;并结合某烧结厂的现场数据,将GA-PSO-BP预测模型和PSO-BP、GA-BP、BP预测模型进行对比仿真实验.结果表明:基于GA-PSO-BP神经网路预测模型的均方根误差(RMSE)、平均绝对误差(MAE)、均方误差(MSE)以及最大绝对值误差(MAVE)分别为0.006、0.001 9、3.595 4 × 10-5和0.046 7.GA-PSO-BP预测模型的预测精度和误差均优于其他3种预测模型,更适用于在实际生产中预测烧结终点位置.

关键词：烧结终点、BP神经网络、GA-PSO-BP神经网络、预测模型

所属期刊栏目：45

分类号：TP273;TF046.4(自动化技术及设备)

资助基金：尹学1998-

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：35-39,46