-
题名基于偏态深度分类的高炉硅含量及波动预测
被引量：3
- 1
-
-
作者
罗世华
陈坤
-
机构
江西财经大学统计学院
-
出处
《控制与决策》
EI
CSCD
北大核心
2021年第2期491-497,共7页
-
基金
国家自然科学基金项目(61973145)
江西省教育厅重点项目(GJJ180247).
-
文摘
高炉冶炼是个具有高度复杂性、混沌性、时滞性的动态过程,工业上常常用铁水硅含量反馈高炉炉温热状态波动变化,而偏态投影深度在数据有偏时可以较好地反映出数据的离群情况,在高维数据分类计算中十分稳健.首先,通过差分处理及相关性分析确定11个影响因素作为输入变量,用于研究各变量变化对硅含量变化的关系;然后,将偏态投影深度值在90%的置信区间外的数据视作离群值,分为稳定类和离群类;最后,对稳定数据利用Elman神经网络预测模型进行预测,对于离群类利用Logistic模型在炉温不同波动方向下的规律进行归类预测.实例仿真研究表明,稳定类157炉的预测精度高达85.3%,离群类的预测精度达到82.6%.
-
关键词
硅含量
偏态投影深度
ELMAN神经网络
LOGISTIC模型
预测
-
Keywords
silicon content
skew projection depth
Elman neural network
Logistic model
prediction
-
分类号
TF4
[冶金工程—钢铁冶金]
-
