基于PCA-GA-BP的TPC受铁量预测模型
作者:
黄颖雷
[1] ;
刘业峰
[2] ;
黄辉
[2] ;
郑秉霖
[2]
关键词:
受铁量
鱼雷罐车
主成分分析
遗传算法
BP神经网络
摘要：
预测鱼雷罐车（TPC）在高炉的实际受铁量，对协调铁水平衡、减少兑罐次数和温降损失，保证高炉出铁安全，提高TPC利用率具有重要作用。采用主成分分析（PCA）提取过程特征参数，并剔除相关冗余信息；BP神经网络用来逼近受铁量预测这一非线性过程；改进了遗传算法（GA）的适应度函数，并精确给定BP神经网络的权值和阂值，进而建立了基于PCA—GA—BP的TPC受铁量预测模型。采用某钢铁企业实际生产数据运算，结果表明模型合理、有效，提高了鱼雷罐车（TPC）受铁量预测准确性。
上一篇：随机分布控制系统的自适应迭代学习控制
下一篇：不确定系统的稳定广义预测控制