基于复合差分进化算法与极限学习机的高炉铁水硅含量预报

摘要：

针对铁水硅含量无法直接在线检测的问题,本文提出了一种基于优化极限学习机(ELM)的高炉铁水硅含量预报方法.该方法利用复合差分进化算法(CoDE)的快速定位全局最优解的能力来优化极限学习机的输入权值和隐层节点阈值,在此基础上建立了基于复合差分进化算法优化极限学习机(CoDE-ELM)的高炉铁水硅含量预报模型.以某钢铁厂2650 m3的高炉为例,利用实际采集数据进行模型检验,结果表明,当绝对误差小于0.1时,铁水硅含量的预报命中率为89％,均方根误差为0.047,实际目标值序列与预报值序列的相关系数为0.851.所建模型的预报结果优于支持向量机(SVM)、前馈神经网络(BP-NN)、极限学习机以及差分优化极限学习机(DE-ELM),对高炉炉温的实际调控具有较好的指导意义.

关键词：铁水硅含量、预报模型、复合差分、极限学习机

所属期刊栏目：33

分类号：TP273(自动化技术及设备)

资助基金：国家自然科学基金重大项目61290325;国家自然科学基金创新研究群体科学基金项目61321003资助.Supported by Major Program of National Natural Science Foundation of China61290325;Foundation for Innovative Research Groups of National Natural Science Foundation of China61321003

在线出版日期：2016-12-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1089-1095