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

发布时间：2017-10-07 19:36

  本文关键词：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

  更多相关文章： 铁水硅含量 预报模型 复合差分 极限学习机

【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 m~3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.
【作者单位】： 中南大学信息科学与工程学院;
【关键词】： 铁水硅含量 预报模型 复合差分 极限学习机
【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~~
【分类号】：TF54;TP18
【正文快照】： 1引言(Introduction) 高炉铁水硅含量与炉温具有正相关性,即通过铁水硅含量可以间接地表征炉内温度的变化[11,故高炉铁水硅含量是评价高炉炼铁过程炉况、能耗以及生铁质量的关键信息之一.由于高炉炼铁过程复杂,无法直接在线实时测量铁水硅含量,导致对炉温调控不及时或者盲目.

【相似文献】

中国期刊全文数据库 前10条

1 石琳;李志玲;崔桂梅;;基于偏最小二乘回归的高炉铁水硅含量模型[J];内蒙古大学学报(自然科学版);2010年04期

2 隋晓红;谢广群;赵宝纯;李昊涵;;硅含量对低碳钢连铸坯凝固组织的影响[J];物理测试;2008年06期

3 周莉英,李家新;梅山3号高炉(1250m~3)铁水硅含量在线预报[J];江苏冶金;2001年02期

4 王炜;余方超;;考虑时滞的铁水硅含量预报模型[J];山东冶金;2006年02期

5 李军明;杨晓江;王书桓;张大勇;;冷轧用SPHC钢硅含量影响因素分析[J];钢铁;2010年07期

6 李界家;杨志宇;曹阳;;铁水硅含量的集成模糊神经网络预测方法[J];计算机与应用化学;2013年10期

7 唐贤伦;庄陵;胡向东;;铁水硅含量的混沌粒子群支持向量机预报方法[J];控制理论与应用;2009年08期

8 刘祥官,王文慧;应用小波分析方法改进铁水硅含量预测[J];钢铁;2005年08期

9 张军红;金永龙;沈峰满;苏小利;;应用优化BP神经网络建立铁水硅含量的预测模型[J];钢铁研究学报;2007年11期

10 王峰;李波;马慧竹;韩志颜;王广忠;;控制SPHC钢硅含量的生产实践[J];炼钢;2012年04期

中国重要会议论文全文数据库 前3条

1 崔桂梅;祁鹏;马祥;;基于偏最小二乘回归算法的高炉硅含量预测的研究与应用[A];全国冶金自动化信息网2010年年会论文集[C];2010年

2 李军明;张大勇;杨晓江;孙晓娟;;冷轧用SPHC钢硅含量影响因素分析[A];2009年河北省冶金学会炼钢—连铸技术与学术年会论文集[C];2009年

3 李永彩;赵忠义;王建华;;基于神经网络的高炉硅含量预测系统的开发[A];第七届工业仪表与自动化学术会议论文集[C];2006年

中国重要报纸全文数据库 前1条

1 周竹良 李晓明;硅铁合金中硅含量检测方法比较[N];中国冶金报;2005年

，

本文编号：989688