期刊文献+

高炉炼铁过程中铁水含硅量动态预测研究与分析

原文传递
导出
摘要 本文针对高炉冶炼优质铁水的过程,以由铁水含硅量[Si]、含硫量[S]、喷煤量PML和鼓风量组成的数据库作为数学建模分析和数据挖掘的基础,建立基于误差反向传播神经网络[Si]的动态预测数学模型,以SML和ML作为输入参数,对于Si含量进行预测,通过在一定时间间隔内更新固定步数的训练样本,体现时间的累积效果,来提高预测的准确性。
出处 《科学家》 2017年第13期17-17,32,共2页 Scientist
  • 相关文献

参考文献4

二级参考文献22

  • 1李启会,刘祥官.高炉铁水含硅量的模糊预测函数控制[J].郑州大学学报(理学版),2007,39(3):104-108. 被引量:6
  • 2费春国,韩正之.一种改进的混沌优化算法[J].控制理论与应用,2006,23(3):471-474. 被引量:16
  • 3高小强,王逸名,郑忠.高炉铁水硅含量预测评价与模型选择[J].钢铁研究学报,2007,19(5):5-9. 被引量:11
  • 4VAPNIK V. The Nature of Statistical Learning Theory[M]. New York: Springer-Verlag, 1995. 被引量:1
  • 5VAPNIK V. An overview of statistical learning theory[J]. IEEE Transaction on Neural Networks, 1999, 10(5): 988 - 999. 被引量:1
  • 6MUSICANT D R, FEINBERG A. Active set support vector regression[J]. IEEE Transaction on Neural Networks, 2004, 15(2): 268 - 275. 被引量:1
  • 7SHEVADE S K, KEERTHI S S, BHATFACHARYYA C. Improvements to SMO algorithm for regression[J]. IEEE Transaction on Neural Networks, 2000, 11(5): 1188 - 1183. 被引量:1
  • 8VAN GESTEL, SUYKENS T, J A K, et al. Financial time series prediction using least squares support vector machines within the evidence framework[J]. IEEE Transaction on Neural Networks, 2001, 12(4): 809 - 821. 被引量:1
  • 9SCHOLKOPF B, SMOLA A J, WILIMSON R, et al. New support vector algorithms[J]. Neural Computation, 2000, 12(5): 1207 - 1245. 被引量:1
  • 10KENNEDY J, EBERHART R C. Particle swarm optimization proc[C] IIIEEE International Conference on Neural Networks. Piscataway: IEEE, 1995: 1942- 1948. 被引量:1

共引文献36

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部