10.3969/j.issn.1000-7059.2017.04.001
基于Elman-Adaboost强预测器的铁水硅含量预测方法
由于高炉炼铁过程的动态特性,因此铁水硅含量的预测有极大难度,现有预测方法的精度不高.针对这一问题,提出一种利用Elman-Adaboost强预测器实现硅含量预测的方法.与通常使用的将反向传播(Back Propagation,BP)神经网络作为弱预测器的方法不同,本方法采用能更好地反映数据间动态特性的Elman神经网络作为弱预测器,然后利用Adaboost算法融合多个弱预测器组成一个强预测器.该模型用于某钢厂硅含量的预测,其平均预测命中率达到了94.8%,证明了其有效性.通过与单一BP神经网络、Elman神经网络以及BP-Adaboost强预测器的预测结果比较,Elman-Adaboost强预测器的预测精度高,为铁水硅含量的预测提供了一种新的途径.
高炉炼铁、硅含量、预测、BP神经网络、Elman神经网络、Adaboost算法
41
TP3;TP1
国家自然科学基金资助项目61290321;国家863基金资助项目2012AA041709
2017-09-20(万方平台首次上网日期,不代表论文的发表时间)
共7页
1-6,17