应用混沌粒子群优化训练的BP神经网络预报高炉铁水含硅量

摘要：

应用混沌粒子群优化(Chaos Particle Swarm Optimization,CPSO)算法训练BP神经网络(Back-Propagation Neural Network,BPNN)并对高炉铁水含硅量进行预报.针对BP神经网络收敛速度慢和易于陷入极小值的问题,在粒子群优化算法中引入混沌思想,提出混沌粒子群优化算法,改善了粒子群优化算法摆脱局部极值点的能力,提高了BP网络的计算精度和收敛速度.系统分别选用料速、透气性指数、炉顶温度、风温、风量、喷煤量、上一炉铁水硅含量作为BP神经网络的输入层神经元,中间层(隐含层)有13个结点(用经验公式确定),输出层有一个结点,为铁水硅含量.应用CPSO算法训练BP神经网络建立的铁水含硅量预报模型对江苏永钢炼铁一厂1号高炉铁水含硅量的实际数据进行网络学习和预报.结果表明,此模型预报命中率高达91.2%,证明了方法的有效性.

关键词：混沌粒子群优化算法、BP神经网络、铁水含硅量、预报

所属期刊栏目：30

分类号：TP183(自动化基础理论)

在线出版日期：2010-08-10（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：9-13