基于IGA-ELM的高炉铁水硅含量预测

摘要：

针对极限学习机(Extreme learning machine,ELM)在进行铁水硅含量预测时随机生成输入层权值和隐含层阈值,导致模型存在预测精度下降以及过拟合等问题.因此,利用免疫遗传算法(Immune genetic algorithm,IGA)的全局寻优能力优化ELM的输入层权值和隐含层阈值,建立IGA-ELM预测模型.通过MATLAB仿真结果对比分析IGA-ELM预测模型和单一的ELM预测模型,验证了IGA-ELM预测模型能够更稳定、更快速以及更准确地对铁水硅含量进行预测.

关键词：极限学习机、预测精度、免疫遗传算法、全局寻优、MATLAB仿真

所属期刊栏目：42

分类号：TF533.2(炼铁)

资助基金：河北省自然科学基金F2013209326

在线出版日期：2020-01-11（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：25-29