本文为基于遗传算法优化的BP神经网络对高炉炉温的预测。从机理上求解冶炼过程的混合动力学方程组最优解是尚未解决的数学难题,BP神经网络能以任意精度逼近任意复杂度的连续函数,因此采用BP神经网络进行炉温预测。对于BP神经网络输出的不确定性,本文采用遗传算法对网络层之间的权重及阈值进行优化,以稳定网络输出。验证结果表明,该模型预测结果与真实值平均相对误差为3.67%,对炉温升降成功预测率达91.67%,二者均具有较高的准确率。
科研之友
微信
新浪微博
Facebook
分享链接
