计算机仿真
計算機倣真
계산궤방진
Computer Simulation
2015年
8期
369-373,382
,共6页
秘春号%张磊%王卫娜%马琳
祕春號%張磊%王衛娜%馬琳
비춘호%장뢰%왕위나%마림
预测%生产产能%施密特正交马田系统%粒子群算法%神经网络
預測%生產產能%施密特正交馬田繫統%粒子群算法%神經網絡
예측%생산산능%시밀특정교마전계통%입자군산법%신경망락
Prediction%Production capacity%MTGS%PSO%BP
为了有效的提高化工企业烧碱产能预测的精度,针对影响烧碱产能多因素间的不确定性和因素间的交互作用,提出了一种施密特正交马田系统(MTGS)与粒子群算法优化BP神经网络(PSO_BP)相结合的烧碱产能预测方法.采用施密特正交马田系统把影响烧碱产能的七个因素减少为六个核心因素,减少了PSO_BP的输入量,提高了烧碱产能预测系统的快速性;对粒子群算法优化的BP神经网络建模,构建MTGS_PSO_BP的烧碱产能预测模型,提高了预测的精度.最后用MAT-LAB进行仿真测试,与BP神经网络的预测结果相比,预测误差明显小于BP神经网络,具有更高的预测精度,为烧碱产能预测提供了一种新的科学、有效的方法.
為瞭有效的提高化工企業燒堿產能預測的精度,針對影響燒堿產能多因素間的不確定性和因素間的交互作用,提齣瞭一種施密特正交馬田繫統(MTGS)與粒子群算法優化BP神經網絡(PSO_BP)相結閤的燒堿產能預測方法.採用施密特正交馬田繫統把影響燒堿產能的七箇因素減少為六箇覈心因素,減少瞭PSO_BP的輸入量,提高瞭燒堿產能預測繫統的快速性;對粒子群算法優化的BP神經網絡建模,構建MTGS_PSO_BP的燒堿產能預測模型,提高瞭預測的精度.最後用MAT-LAB進行倣真測試,與BP神經網絡的預測結果相比,預測誤差明顯小于BP神經網絡,具有更高的預測精度,為燒堿產能預測提供瞭一種新的科學、有效的方法.
위료유효적제고화공기업소감산능예측적정도,침대영향소감산능다인소간적불학정성화인소간적교호작용,제출료일충시밀특정교마전계통(MTGS)여입자군산법우화BP신경망락(PSO_BP)상결합적소감산능예측방법.채용시밀특정교마전계통파영향소감산능적칠개인소감소위륙개핵심인소,감소료PSO_BP적수입량,제고료소감산능예측계통적쾌속성;대입자군산법우화적BP신경망락건모,구건MTGS_PSO_BP적소감산능예측모형,제고료예측적정도.최후용MAT-LAB진행방진측시,여BP신경망락적예측결과상비,예측오차명현소우BP신경망락,구유경고적예측정도,위소감산능예측제공료일충신적과학、유효적방법.
