改进型EMD-Elman神经网络预测铁水硅含量的方法.pdf

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

2023-06-19

10

711KB

改进型EMD-Elman神经网络在铁水硅含量预测中的应用.docx

改进型EMD-Elman神经网络在铁水硅含量预测中的应用随着工业化进程的不断发展，金属冶炼是现代工业中的重要组成部分之一。在制造过程中，铁水硅含量的预测对金属冶炼工艺的优化和控制有着重要意义，也是保证金属冶炼质量的重要手段之一。因此，该方面的研究也成为了相关学科中的热门问题。传统的硅含量预测方法多以工业经验为依据，建立简单模型，但由于硅含量受到多种因素的影响，如矿石质量、炉温、合金成分等复杂因素，传统方法无法满足对预测精度和实时性的要求。而人工神经网络（ArtificialNeuralNetworks，A

2024-11-16

5

10KB

基于滑动窗口T‑S模糊神经网络模型的铁水硅含量预测方法.pdf

本发明公开了一种基于滑动窗口T‑S模糊神经网络模型的铁水硅含量预测方法，属于工业过程监控、建模和仿真领域。首先，选取T‑S模糊神经网络作为预测的基础模型；其次，在这个神经网络的基础上增加了滑动窗口模型，可以不断地更新训练样本集，以便更好的跟踪硅含量的变化趋势；然后根据实际经验和互信息计算选取了11个对铁水硅含量影响最大的参数作为模型的输入，铁水硅含量作为模型的输出；最后，将训练样本归一化后用于训练模型，将训练好的模型用于生产过程中铁水硅含量的预测。炼铁过程中高炉的时变、动态、非线性、强惯性和多尺度的特性，

2023-06-18

10

738KB

基于粗糙集理论与神经网络的铁水硅含量预测.docx

基于粗糙集理论与神经网络的铁水硅含量预测随着工业化进程的加速和科学技术的不断进步，炼铁工业已成为世界工业的重要组成部分。在炼铁过程中，铁水中硅含量对冶炼产量、质量等方面均有着重要的影响。因此，对铁水硅含量进行准确的预测和控制对保证铁水质量和提高生产效益具有积极意义。本文将结合粗糙集理论和神经网络，建立铁水硅含量预测模型，以提高铁水质量和生产效益。一、粗糙集理论简介粗糙集理论是上世纪80年代初期由波兰科学家Pawlak提出的，在机器学习和数据挖掘领域中得到了广泛的应用。粗糙集理论基于粗糙集近似的概念，用于处

2024-11-01

5

10KB

基于TD-LightGBM的铁水硅含量预测方法.pdf

本发明公开了基于TD‑LightGBM的铁水硅含量预测方法，属于工业过程监控技术领域。所述方法包括：首先，利用轻量化梯度促进机的决策树模型结构按照特征被用于分割训练数据的次数评判该特征重要性；然后，结合时间差分算法建立动态特征提取模型；最后，采用局部加权算法根据样本间的欧氏距离建立局部模型。基于该模型进行炼铁过程中铁水硅含量的预测，可以有效地去除高炉环境参数中的冗余项和漂移相，相比于现有的铁水中硅含量预测方案，本发明进一步提高了预测的准确性。

2023-06-15

10

770KB