基于PSO和BP网络的LF 炉钢水温度智能预测
DOI:
CSTR:
作者:
作者单位:

东北大学信息科学与工程学院 沈阳 110004

作者简介:

王安娜

通讯作者:

中图分类号:

TP206

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    研究将粒子群优化算法与BP神经网络相结合, 建立新的钢水终点温度预报模型.确定加热功率、初始温度R精炼时间等8 个影响钢水终点温度的主要因素作为神经网络的输入量.用粒子群优化算法优化神经网络参数, 改善神经网络温度预测模型的收敛性能.实验结果表明, 该算法可以提高预测速度和精度, 预测结果误差不大于±5度的炉次大于90%.

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

王安娜;陶子玉;姜茂发;田慧欣;张丽娜.基于PSO和BP网络的LF 炉钢水温度智能预测[J].控制与决策,2006,21(7):814-816

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2005-11-24
  • 最后修改日期:2006-03-17
  • 录用日期:
  • 在线发布日期: 2006-07-20
  • 出版日期:
文章二维码