基于广义回归网络的铝电解阳极效应预报
作者:
周凯波
[1]
余登志
[1]
曹斌
[2]
郭四海
[3]
王紫千
[2]
林志凯
[1]
关键词:
阳极效应
阳极效应预报
铝电解
广义回归神经网络
系统辨识
摘要：
应用广义回归神经网络对当前预焙槽铝电解阳极效应预报问题进行了研究.在简述广义回归神经网络的基本结构基础上,利用广义回归神经网络对铝电解槽阳极效应进行系统辨识建模.重点探讨了建模过程中模型样本结构的选择,实验分析了样本容量对模型预报准确率的影响.取自某铝厂400 kA大型预焙槽的单槽运行现场数据样本对模型进行训练和检验,结果表明该方法阳极效应预报准确率平均在90%以上,预报提前量可以达到半个小时.现场多台电解槽的建模测试结果进一步论证了该模型和样本结构的合理性和有效性,由此证实该方法在保证较高预报准确率同时,具有较好的普适性.
上一篇： 一种大样本学习最小二乘支持向量回归模型
下一篇： 基于改进K-Means的静脉特征学习与识别