期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
建立PNN-HP-ENN-LSSVM模型预测钢铁企业高炉煤气发生量
被引量：
12
1
作者
李红娟
王建军
+1 位作者
王华
孟华
《过程工程学报》
CAS
CSCD
北大核心
2013年第3期451-457,共7页
针对钢铁企业高炉煤气发生量机理模型难以对发生量进行精确预测的问题,通过分析高炉煤气发生量特点,按不同工况利用概率神经网络(PNN)对高炉煤气发生量进行分类,依据分类结果并结合HP滤波、Elman神经网络(ENN)、最小二乘支持向量机(LSS...
针对钢铁企业高炉煤气发生量机理模型难以对发生量进行精确预测的问题,通过分析高炉煤气发生量特点,按不同工况利用概率神经网络(PNN)对高炉煤气发生量进行分类,依据分类结果并结合HP滤波、Elman神经网络(ENN)、最小二乘支持向量机(LSSVM)各自的性质,建立了PNN-HP-ENN-LSSVM模型,对高炉煤气的发生量进行分类预测,并用企业实际数据验证.结果表明,随机抽取多组测试结果中的2组,1#高炉80个点、2#高炉60个点的分类准确率分别为95%和93%,模型预测平均相对误差分别为1.0%和1.1%,适合高炉煤气发生量预测.Wilcoxon符号秩检验也验证了所提建模方法的有效性.
展开更多
关键词
高炉煤气发生量
概率神经网络
hp
滤波
Elman神经网络
最小二乘支持向量机
pnn
-
hp
-
enn
-
lssvm
模型
原文传递
题名
建立PNN-HP-ENN-LSSVM模型预测钢铁企业高炉煤气发生量
被引量：
12
1
作者
李红娟
王建军
王华
孟华
机构
昆明理工大学冶金节能减排教育部工程研究中心
出处
《过程工程学报》
CAS
CSCD
北大核心
2013年第3期451-457,共7页
基金
国家自然科学基金资助项目(编号:51066002/E060701)
国家自然科学基金委员会与云南省人民政府联合基金资助项目(编号:U0937604)
文摘
针对钢铁企业高炉煤气发生量机理模型难以对发生量进行精确预测的问题,通过分析高炉煤气发生量特点,按不同工况利用概率神经网络(PNN)对高炉煤气发生量进行分类,依据分类结果并结合HP滤波、Elman神经网络(ENN)、最小二乘支持向量机(LSSVM)各自的性质,建立了PNN-HP-ENN-LSSVM模型,对高炉煤气的发生量进行分类预测,并用企业实际数据验证.结果表明,随机抽取多组测试结果中的2组,1#高炉80个点、2#高炉60个点的分类准确率分别为95%和93%,模型预测平均相对误差分别为1.0%和1.1%,适合高炉煤气发生量预测.Wilcoxon符号秩检验也验证了所提建模方法的有效性.
关键词
高炉煤气发生量
概率神经网络
hp
滤波
Elman神经网络
最小二乘支持向量机
pnn
-
hp
-
enn
-
lssvm
模型
Keywords
blast furnace gas output
probabilistic neural network
hp
filter
Elman neural network
least squares support vector machine
pnn
-
hp
-
enn
-
lssvm
model
分类号
TK019 [动力工程及工程热物理]
原文传递
题名
作者
出处
发文年
被引量
操作
1
建立PNN-HP-ENN-LSSVM模型预测钢铁企业高炉煤气发生量
李红娟
王建军
王华
孟华
《过程工程学报》
CAS
CSCD
北大核心
2013
12
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
