基于粒子群算法优化BP神经网络漏钢预报的研究
기우입자군산법우화BP신경망락루강예보적연구
Breakout Prediction Based on BP Neural Network with PSO Algorithms in Continuous Casting Process
  • 万方数据
    计算机测量与控制 계산궤측량여공제
    COMPUTER MEASUREMENT & CONTROL
    2015年 4期 1302-1304 ,共3页

    肖俊生%任祎龙%李文涛

    초준생%임의룡%리문도

    粒子群优化算法%BP神经网络%连铸%漏钢预测 粒子群優化算法%BP神經網絡%連鑄%漏鋼預測
    입자군우화산법%BP신경망락%련주%루강예측
    PSO algorithm%BP neural network%continues casting%prediction of breakout
    针对标准BP神经网络中收敛速度慢以及易陷入局部最优解等问题,利用粒子群算法的全局搜索性,将粒子群算法应用到BP神经网络训练中建立了PSO-BP神经网络模型,结果表明改进模型不仅可以克服传统BP网络收敛速度慢和易陷入局部权值的局限问题,而且很大程度地提高了结果精度和BP网络学习能力,将此模型应用到结晶器漏钢预报系统中,并用某钢厂采集到的历史数据对该模型进行训练与测试,与标准BP神经网络测试结果进行分析与比较,实验表明PSO-BP网络模型预报更加实时、准确,具有很好的应用前景.
    침대표준BP신경망락중수렴속도만이급역함입국부최우해등문제,이용입자군산법적전국수색성,장입자군산법응용도BP신경망락훈련중건립료PSO-BP신경망락모형,결과표명개진모형불부가이극복전통BP망락수렴속도만화역함입국부권치적국한문제,이차흔대정도지제고료결과정도화BP망락학습능력,장차모형응용도결정기루강예보계통중,병용모강엄채집도적역사수거대해모형진행훈련여측시,여표준BP신경망락측시결과진행분석여비교,실험표명PSO-BP망락모형예보경가실시、준학,구유흔호적응용전경.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문