基于GA-BP神经网络与敏感性分析的带钢厚度预测

摘要：

为提高带钢厚度预测精度,构建了融合GA-BP神经网络和敏感性分析的T-GA-BP预测模型.首先通过循环迭代方式确定较优的BP神经网络隐含层的层数与节点数,再采用遗传算法对BP网络的权阈值进行优化.在此基础上,利用Tchaban算法进行敏感性分析,研究输入层中各工艺参数对带钢厚度的影响程度,筛选出重要参数作为新的输入样本来训练T-GA-BP神经网络模型,以降低网络复杂度.采用实际生产数据进行测试,结果表明,T-GA-BP模型的带钢厚度预测精度要高于BP、GA-BP、RBF、Elman神经网络等其他优化模型.同时,工艺参数敏感性分析结果可为轧制工艺调控方案的制定提供参考.

关键词：带钢、厚度预测、GA-BP神经网络、遗传算法、Tchaban算法、敏感性分析

所属期刊栏目：41

分类号：TG334.9+3;TP273+.3(金属压力加工)

资助基金：国家自然科学基金资助项目51275366,51305311,50875190

在线出版日期：2018-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：32-36