基于小波神经网络的高炉铁水含硅预报.pdf

返回 相似 举报
基于小波神经网络的高炉铁水含硅预报.pdf_第1页
第1页 / 共5页
基于小波神经网络的高炉铁水含硅预报.pdf_第2页
第2页 / 共5页
基于小波神经网络的高炉铁水含硅预报.pdf_第3页
第3页 / 共5页
基于小波神经网络的高炉铁水含硅预报.pdf_第4页
第4页 / 共5页
基于小波神经网络的高炉铁水含硅预报.pdf_第5页
第5页 / 共5页
亲,该文档总共5页,全部预览完了,如果喜欢就下载吧!
资源描述:
基于小波神经网络的高炉铁水含硅预报 肖伸平, 吴敏, 刘代飞“ ( 中南大学 信息科学与工程学院, 长沙 “ ; , /模型 [3] ; 用多元 回归等数理统计方法建立的模型 [*] 。 人工神经网络是上世纪 ’年代末开始迅速发 展的一门非线性科学。人工神经网络模型具有很强 的容错性、 学习性、 自适应性和非线性的映射能力, 特别适于解决因果关系复杂的非确定性推理、 判断、 识别和分类等问题。目前, 在钢铁冶金领域人工神 经网络有着广泛的应用 [2 1 ’] 。 神经网络预报的准确性依赖于特征参数的有效 性和网络结构参数的合理选择。实际应用中较多采 用多层感知器 ( /算法。而 /算法存在 较易陷入局部最小、 收敛速度慢、 抗噪能力差的缺 点, 即使一些改进的 /算法也难以完全克服这些 缺点。为了克服这些缺点, 可采用径向基函数神经 网络 ( - ) 来替代多层感知器, 改进逼近能力和 收敛速度 [ ] 。将小波包分析的特征提取用于神经 网络模式识别, 可借助小波分析良好的时频局部化 特征提高网络模型预报准确性 [ “ 1 .] 。 小波神经网络方法 小波神经网络 (5 ) 是小波与神经网络结合 的一个途径, 它把小波变换的运算融入到神经网络 中去, 其前提是小波分析。小波分析 (5 A B C D C E F A G A D ; H F F) 被誉为数学显微镜, 它优于- I 6 J C J分析的地方 在于它在时域和频域同时具有良好的局部化性质, 从而可以把分析的重点聚焦到任意的细节上。因 此, 基于小波分析理论所构造的网络是一种分层的、 多分辨率的新型人工神经网络。 9 J I F F K A G G和 ; - ’ A ; * ; ’ / BC D/ ; E ’ * / ; . ; - ’ 0 , / 0 F 0 ; G 编号 网络输入变量 风温 /H 风量 / (G1G , /I ) 喷煤量 / ( . 9I ) 焦比 / ( . 9I ) 炉渣碱度 (无量纲) 实际值 [5 ,] /J 小波网络输出 C D网输出 K 2 7 21 3 “ 4 “ 2 3 “ 2 3 “ 2 3 7 7 4 K1 2 3 “ “ 1 2 “ 1 4 “ 1 7 1 7 3 4 3 1 7 “ 3 “ 2 1 “ 2 1 “ 2 1 3 4 2 K 3 41 4 4 “ 4 “ 1 4 “ 1 7 “ 1 7 2 7 1 2 2 1 7 “ K “ 3 “ 1 K “ 1 4 7 3 K 2 1 4 “ “ 3 “ 3 7 “ 3 4 7 K 1 3 41 2 “ “ 3 3 “ 3 3 “ 3 2 7 4 4 1 2 1 4 “ 2 “ 2 “ 2 7 “ 2 4 K 7 3 71 3 “ 3 “ 3 “ 1 K “ 1 4 K1 2 2 “ 7 “ 3 2 “ 3 2 “ 3 2 3 3 1 2 3 “ 1 “ 3 7 “ 3 4 “ 3 7 K 4 1 71 7 “ “ 1 K “ 1 K “ 1 1 7 2 7 1 71 3 “ “ 3 3 “ 3 2 “ 3 4 3 7 2 3 7 3 1 2 “ “ 1 4 “ 1 4 “ 1 7 2 2 2 4 3 21 2 2 “ “ 3 3 “ 3 3 “ 3 3 4 7 3 7 3 31 1 2 “ 4 “ 3 3 “ 3 2 “ 3 2 7 K 4 1 11 2 “ 1 “ 1 2 “ 1 4 “ 1 7 7 4 7 2 3 1 2 “ 4 “ 1 7 “ 1 “ 1 K 3 2 1 41 1 “ 4 “ 3 7 “ 3 7 “ 3 2 4 K 1 2 1 3 3 “ 3 “ 1 “ 1 7 “ 1 7 由表可知, 经过训练后的网络能够很好地表 达给定的知识, 即对应表中特定状态的网络输出值 与实际值很接近, 平均训练误差为 “ J。用训练 过的网络, 输入待预报的 组样本, 其预报结果见 表。由表中网络输出值可知, 采用小波神经网 络能够得到比传统的C D网络更准确的预报结果。 有色金属第2 7卷 万方数据 当允许误差为 “ “ 时, 命中率达到 * / 1 6 5 7 编号 网络输入变量 风温 / 风量 / (A 6 5B C) 喷煤量 / ( 7 B C) 焦比 / ( 7 B C) 炉渣碱度 (无量纲) 实际值 [D 6] / 小波网络输出 ; * , 2 - , 2 3 , * / 1 3 0 4 5 * - 3 2 4 2 5 1 4 2 , 2 3 I 2 1 - 1 * , 1 - R - 4 * 1 0 4 -[S] 4 * 5 / * 1 6 2 5 / 2 3 1 I - O 4 2 5 TD 1 - - , O 5 / 1 6 1 0 1 - 2 3 S * R * 5,C F , ( ) ’ G B ’ [A]H 6 I 6 I * 4 0J K K L M,N 2 / I 6 Q 0 6H K M ; K,P 2 6 I 6M D U P K,- 1 * , K 0 1 2 * 1 6 2 5 1 4 2 , 2 3 I 2 1 - 1 * , 1 - R - 4 * 1 0 4 - 2 3 , * / 1 3 0 4 V 5 * -[S] 4 * 5 / * 1 6 2 5 / 2 3 1 I - O 4 2 5 TD 1 - - , O 5 / 1 6 1 0 1 - 2 3 S * R * 5,C F , ( ) ’ A G B ’ A F [G]毕学工高炉过程数学模型及计算机控制 [H]北京冶金工业出版社,C F F E C B W神经网络的铁水硅含量预报模型 [S]电气传动, “ “ , (A) ’ B - 5 9 - 5 6 / 1 -KZ * 9 - , - 1 5 - 1 8 2 4 [S] O [ [ [ 4 * 5 / 2 52 5L - 0 4 * ,L - 1 8 2 4 /,C F F A(E) F B F [C E] 1 6 2 52 3 5 - 0 4 * , 5 - 1 / 0 / 6 5 7 1 I - 4 * 2 5 1 4 * 5 / 3 2 4 [K] / /L - 0 4 * ,L - 1 8 2 4 /,C F F[\] O S \ V L L,O 5 1 - 4 5 * 1 6 2 5 * , S 2 6 5 1\ 2 5 3 - 4 - 5 -,C F FE “ 2 / 2 . / - 1 0 4; 2 3 /* 2 . 2 2 1 2 3 5 - 52 1 ,1 0 1 3 - 1 2 6 2 * * - 1 0 4 1 8 2 3 1 / ; 0 ’ * 0 , 8 . / - 0 10 * 2 / - 1 - 1 4 0 6 2 / - 0 1 - 5* A 5 3 . / ,7 B C 1 / . 0 1 1 . /D E 1 2 3 5 - 5 ’ 2 8 / 0 6 2 / - .2 , 0 * / / 1 8 6 7 0 4 - 6 * 3 3 2 51 0 , 5,5 3 4 A 2 , 2 * / 2 / - 0 15 / 8 , 2 1 ,6 0 6 1 / 8 6- / 6 5 2 / 2 , F 8 5 / - 1 6 2 5 8 5’ 54 2 2 * * 3 - , - 11 / ; 0 5 / 8 . / 8 2 3 , 5 - 1 ’ 5 8 3 / 5 5 0 ;/ 2 / / 5 5 / 6- 5 2 . . 8 A 2 / - 1 3 2 1 - 1 2 1 ,4 2 5 / - 1. 0 1 1 . ,/ * , - . / - 0 12 . . 8 2 . - 58 */ 0 G H I ; - 3 / 2 2 0 - 5 “,2 1 , / 1 8 6 7 0 4 5 5 / 6 - . * 2 2 6 / 5 - 5 , . 2 5 , 2 1 , / * 0 . 5 5 5 0 4 5 5 / 6 - . - , 1 / - 4 - 1 2 1 ,6 0 , 3 - 1 2 0 * / - 6 - 9 , ; 7 “ 26 / 2 3 3 8 - . 2 3 / . 1 0 3 0 ;* , - . / - 0 10 4 5 - 3 - . 0 1. 0 1 / 1 / - 1 0 /6 / 2 3;; 2 3 / 2 1 2 3 5 - 5; - 1 A / . 0 1 1 . / , 2 1 2 3 5 - 5; 1 8 2 3 1 /; 0 (上接第 页, J 0 1 / - 1 8 , 4 0 6* ) 9, ’ 6 6 21 6 “ , ’ “ 0 2 6 “ 6 - / 3 - 2 7 - 3 - / 2 1 ,6 2 - 1 / 1 2 1 . - 10 , 4 0 , 1 2 6 - . 2 3 3 6 0 1 - / 0 - 1 2 1 ,L 8 2 1 / - / 2 / - 3 . 0 1 / 0 3 3 - 1 0 4 / . 0 1 / - 1 8 0 8 5 3 6 . 2 1 - . 2 3 7 8 , 1 - 1 * 0 . 5 5 ’ 2 . . 8 2 . 2 1 , 3 - 2 7 - 3 - / 0 4 . 0 1 / - 1 8 0 8 5 7 8 , 1 - 1 0 * 2 / - 0 1 - 5 - 1 . 2 5 ,7 2 , 0 * / - 0 10 4 / . 0 1 / 0 3 5 5 / 6,2 1 , / . 0 6 * 8 / . 0 1 / 0 3 0 4 - 1 / 2 3 * 0 . 5 5 - 1 . 3 8 , - 1 * - 6 2 6 2 A / - 2 3 7 8 , 1 - 1 ,5 6 3 / - 1 2 1 , L 8 2 3 - / , / . / - 0 1 . 2 17 2 . - 5 2 8 * / 0 0 0 / 7 8 , 1 - 1 5 / 2 1 , 2 , C / - 5 * 0 4 - / 2 7 3 - 1 . 0 1 0 6 2 1 ,7 0 2 ,* 0 5 * . / 5 - 12 * * 3 - . 2 / - 0 1 ; 7 “ 21 0 1 4 0 8 56 / 2 3 3 8 ;6 2 1 5 - 8 6* 0 , 8 . / - 0 1;. 0 6 * 8 / . 0 1 / 0 3;. 0 1 / - 1 8 0 8 5 7 8 , 1 - 1 ; 3 - 2 A 7 - 3 - / 有色金属第H G卷 万方数据
展开阅读全文

资源标签

最新标签

长按识别或保存二维码,关注学链未来公众号

copyright@ 2019-2020“矿业文库”网

矿业文库合伙人QQ群 30735420