首页|PSO-GA优化ELM的高炉铁水硅含量预测

PSO-GA优化ELM的高炉铁水硅含量预测

扫码查看
原文链接
  • 万方数据
  • 维普
针对高炉冶炼过程的复杂、多变以及非线性等因素,提出了一种基于粒子群算法(Particle swarm optimization,PSO)和遗传算法(Genetic algorithm,GA)相结合来优化极限学习机(Extreme learning machine,ELM)的高炉铁水硅含量预测模型.PSO-GA-ELM预测模型,主要是在PSO算法进行适应度值计算、粒子的速度更新和位置更新时将GA算法中的选择、交叉和变异等操作融入其中,使其输出最优的连接权值和阈值代入到ELM模型中.通过对4种不同的预测模型进行实验验证,结果表明,优化后的PSO-GA-ELM模型在进行铁水硅含量预测时的预测精度、学习能力和泛化性能均高于其他三种预测模型.
Prediction of Silicon Content in Blast Furnace Hot Metal by PSO-GA Optimized ELM

孙洁、崔婷婷、刘晓悦、徐彬

展开 >

华北理工大学电气工程学院,河北唐山063210

首钢京唐钢铁联合有限责任公司炼铁部,河北唐山063210

粒子群算法 遗传算法 极限学习机 硅含量预测 预测精度 泛化性能

河北省自然科学基金

E2019209492

2022

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2022.373(3)
  • 5
  • 6