基于PSO-BP神经网络的高炉煤气柜位预测模型及应用
以钢铁企业高炉煤气柜位作为研究对象,对高炉煤气发生量和消耗量等影响因素进行相关性分析,得到关联度较高的主成分作为输入参数.利用粒子群算法优化BP神经网络的初始权值和阈值,使优化后的BP神经网络能够更好地预测函数输出.针对粒子群算法早熟收敛、搜索精度偏低以及后期迭代效率不高的问题,提出对粒子进行变异操作的处理方法.研究结果表明:所建立的预测模型误差小,能有效解决高炉煤气柜位的预测问题,为生产企业合理制定煤气使用计划提供理论依据.
钢铁工业 高炉煤气柜位 相关性分析 BP神经网络 预测模型
魏津瑜 张玮 李欣
天津理工大学管理学院,天津,300384 潍坊科技学院经济管理学院,山东寿光,262700
国内会议
扬州
中文
266-270
2013-08-01（万方平台首次上网日期，不代表论文的发表时间）