基于PSO-BP神经网络的高炉煤气受入量的预测

摘要：

以高炉煤气为主要研究对象,基于BP神经网络引入粒子群算法优化BP神经网络的权值,通过调试和改进建立PSO-BP神经网络高炉煤气受入量预测模型,使企业实现对煤气的合理调度和平衡调整,研究结合唐山钢厂的历史数据对该模型进行训练和检验.研究结果表明,BP模型比未改进的BP模型更能精确地预测受入量,并解决了遗传算法(GA)优化BP神经网络容易陷入早熟收敛的问题.

关键词：高炉煤气、受入量预测、预测模型、PSO-BP神经网络、模型训练、模型检验

所属期刊栏目：42

分类号：TN98-34

资助基金：河北省自然科学基金资助项目F2013209203

在线出版日期：2019-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：134-136,141