改进PSO算法协同神经网络预测带钢卷取温度

扫码查看

原文链接

NETL

外文摘要：针对传统卷取温度模型的固有缺陷,采用一种自适应变异的粒子群优化算法训练神经网络,并将其与传统模型相结合预测带钢的卷取温度,解决了BP神经网络易陷入局部极值的问题.大量的在线数据运算表明,自适应变异的粒子群神经网络的收敛速度比BP神经网络要快,并且它与实测卷取温度的平均标准差比传统模型设定值与实测卷取温度的平均标准差降低了20.76%,比BP神经网络预报值与实测卷取温度的平均标准差降低了11.18%,具有良好的应用前景.

作者：

Zhang Dingqing、Zhai Xiaoting、Cul Ling、Zhou Ruoqi

展开 >

作者单位：

尚剑洪@鞍山钢铁集团公司生产协力中心,辽宁鞍山 114003--丁敬国@东北大学轧制技术及连轧自动化国家重点实验室,辽宁沈阳 110004--

会议名称：

Baosteel Biennial Academic Conference

会议地点：

Shanghai(CN)

会议母体文献：

Better Steel, Better Environment, Better Life

页码：

982-985

出版时间：

2008

相关文献

[1]	王超凡,琚生根,孙界平,等.融入多尺度特征注意力的胶囊神经网络及其在文本分类中的应用[C]. //19th Chinese National Conference on Computational Linguistic.2020:719-730.
[2]	孙超,曲维光,魏庭新,等.基于神经网络的连动句识别[C]. //19th Chinese National Conference on Computational Linguistic.2020:172-182.
[3]	李如琦,周媛媛.自适应变异粒子群算法及其在输电网规划中的应用[C]. //中国高等学校电力系统及其自动化专业第二十四届学术年会论文集.2008:1664-1667.
[4]	汪凯,刘明童,陈圆梦,等.基于图神经网络的汉语依存分析和语义组合计算联合模型[C]. //19th Chinese National Conference on Computational Linguistic.2020:195-206.
[5]	史元浩,王景成.基于粒子群算法的电站锅炉效率优化研究[C]. //第21届中国过程控制会议论文集.2010:26-29.