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。

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。