科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统BP神经网络在漏钢预报过程中识别速度慢、无法精准预测等问题，采用蚁群算法(ACO)对随机选取的权值阈值进行寻优，详细介绍了ACO算法的优化步骤，利用MATLAB软件建立了神经网络模型，并将优化后的模型应用到漏钢预报中。将现场采集的数据进行预处理，再输入到神经网络模型中进行训练和测试。结果表明，ACO-BP漏钢预报模型的识别精度明显高于传统BP漏钢预报模型，漏钢预报率可达96.77%,报出率达100%,不仅加快了网络模型的运行速度，也保证了模型的全局搜索能力及鲁棒性，具有良好的应用前景。
- 单位
