基于粒子群算法优化BP神经网络漏钢预报的研究 |
| |
引用本文: | 肖俊生,任祎龙.基于粒子群算法优化BP神经网络漏钢预报的研究[J].应用声学,2015,23(4). |
| |
作者姓名: | 肖俊生 任祎龙 |
| |
作者单位: | 内蒙古科技大学,内蒙古科技大学 |
| |
基金项目: | 国家自然科学基金项目(面上项目,重点项目,重大项目) |
| |
摘 要: | 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。
|
关 键 词: | 粒子群优化算法 BP神经网络 连铸 漏钢预测 |
Breakout Prediction Based on BP Neural Network with PSO Algorithms in Continuous Casting Process |
| |
Institution: | Inner Mongolia University of Technology, |
| |
Abstract: | |
| |
Keywords: | |
|
| 点击此处可从《应用声学》浏览原始摘要信息 |
| 点击此处可从《应用声学》下载免费的PDF全文 |
|