基于差分进化-灰狼优化算法的支持向量机连铸漏钢预报系统研究
针对小样本训练数据情况下BP神经网络模型难以获得较高预报准确率的问题,提出了一种基于差分进化-灰狼优化(DE-GWO)混合算法优化的支持向量机(SVM)模型,并将其应用到连铸漏钢预报系统领域.利用差分进化(DE)算法的交叉变异操作对灰狼优化(GWO)算法进行进化,得到DE-GWO混合算法,在解决了GWO易陷入局部最优问题的同时,提高了算法的寻优速度以及模型的准确性.结合某钢厂连铸生产数据,对DE-GWO-SVM漏钢预报模型进行测试.结果表明,该算法下的连铸漏钢预报系统的准确率为99.5%,报出率达到100%.
连铸、漏钢预报、支持向量机、灰狼优化算法、差分进化
43
TF777.7;TG249.7(炼钢)
江苏省基础研究计划资助项目BK20150429
2023-03-09(万方平台首次上网日期,不代表论文的发表时间)
共4页
174-177