基于PNN和IGS的铅锌烧结块成分智能集成预测模型
针对复杂的烧结块成分预测问题,提出一种基于过程神经网络和改进灰色系统的铅锌烧结块成分智能集成预测模犁.首先利用过程神经网络可充分表达时间序列中时间累积效应、灰色系统可弱化数据序列波动性的特点,分别对烧结块成分进行预测,然后从信息论的观点出发,提出一种确定各预测模犁加权系数的熵值递推算法,通过对两个预测模型的预测结果进行加权集成,获得更加准确的铅锌烧结块成分预测结果.结果表明,智能集成模型的预测精度高于单一预测模型,能有效地对烧结块成分进行预测,满足了配料计算对预测精度和数据完备性的要求.
铅锌烧结过程、成分预测、过程神经网络、改进灰色系统、信息熵、智能集成预测模型
26
TP273(自动化技术及设备)
国家杰出青年科学基金资助项目60425310;国家863计划课题2008AA04Z128
2009-05-19(万方平台首次上网日期,不代表论文的发表时间)
共5页
316-320