PSO-ELM的浆体管道临界淤积流速预测模型研究

发布时间：2018-05-11 13:36

  本文选题：浆体管道 + 临界淤积流速　； 参考：《传感器与微系统》2017年03期

【摘要】：针对浆体管道临界淤积流速预测难度大、精度低等问题,提出了粒子群优化—极限学习机(PSOELM)的临界淤积流速预测模型。利用PSO算法对ELM模型参数输入权值和隐元偏置进行优化,应用优化得到的ELM模型对预测集进行预测。通过实验仿真得到预测结果的最大误差为5.73%,预测效果优于常规的ELM模型和反向传播(BP)神经网络模型。
[Abstract]:Aiming at the problems of high difficulty and low precision in predicting critical deposition velocity of slurry pipeline, a particle swarm optimization (PSO) model for predicting critical deposition velocity is proposed. The PSO algorithm is used to optimize the input weights and implicit element bias of ELM model parameters, and the predicted set is predicted by the optimized ELM model. The maximum error of the predicted result is 5.73 through experimental simulation, which is superior to the conventional ELM model and the BP neural network model.
【作者单位】： 昆明理工大学信息工程与自动化学院;云南省矿物管道输送工程技术研究中心;
【基金】：国家自然科学基金资助项目(51169007) 云南省科技计划项目(2013DH034) 云南省中青年学术和技术带头人后备人才培养计划项目(2011CI017)
【分类号】：U171;TP18
，

本文编号：1874182