发明名称 |
改进型EMD-Elman神经网络预测铁水硅含量的方法 |
摘要 |
本发明公开了一种改进型EMD-Elman神经网络预测铁水硅含量的方法,属于工业过程监控、建模和仿真领域。首先,采用经验模态分解将硅含量序列分解成有限个、相对平稳的本征模函数IMF和剩余分量;然后,分别对每个IMF和剩余分量建立Elman神经网络子模型;最后,将子模型的结果进行加权融合,并利用粒子群算法进行权值的寻优,最终获得硅含量的预测结果。本发明针对高炉炼铁过程的时变、非线性、多尺度、以及动态性等特征,充分考虑了不同尺度的特征对预测结果的影响;能够直接反映动态系统的特征的优势;为了降低噪声对预测结果的影响,对子模型的预测结果进行了加权融合,并进行权值的寻优。本发明相比现有方法对于高炉铁水硅含量的预测具有更高的精度。 |
申请公布号 |
CN104778361A |
申请公布日期 |
2015.07.15 |
申请号 |
CN201510174764.7 |
申请日期 |
2015.04.14 |
申请人 |
浙江大学 |
发明人 |
杨春节;宋菁华;马淑艳 |
分类号 |
G06F19/00(2011.01)I;G06N3/02(2006.01)I |
主分类号 |
G06F19/00(2011.01)I |
代理机构 |
杭州求是专利事务所有限公司 33200 |
代理人 |
林松海 |
主权项 |
一种改进型EMD‑Elman神经网络预测铁水硅含量的方法,其特征在于,步骤如下:步骤一:将铁水硅含量的原始数据利用EMD分解为有限个分量,所述的分量包括各IMF分量和剩余分量;步骤二:利用偏自相关函数及偏自相关图确定分量的滞后阶数,进而确定Elman神经网络子模型的输入、输出变量;步骤三:对每个IMF分量和剩余分量建立Elman神经网络子模型;步骤四:将各子模型的预测结果进行加权求和,并利用PSO算法进行权值的寻优,得到硅含量的预测结果。 |
地址 |
310027 浙江省杭州市西湖区浙大路38号 |