分析了对转炉终点温度的影响因素,利用减法聚类自动确定模糊规则的数目,建立了模糊神经网络系统预报转炉终点温度.结果表明,该方法建立的模型能够对终点温度进行较好的预报,误差在±4℃以内的命中率可达25.49%;预报误差小于±20℃的炉数可达84.31%.
参考文献
| [1] | 戴云阁;李文秀;龙腾春.现代转炉炼钢[M].沈阳:东北大学出版社,1998 |
| [2] | Rumelhart D E;Hinton G E;Williams R J.Learning internal represent at ions by error propagation[M].Cambridge,ma:the Mit Press,1986:318-362. |
| [3] | Fukamis Mizumotom Tanakak .Some considerations on fuzzy conditional inference[J].Fuzzy Sets and Systems,1980,4:243-273. |
| [4] | Zadeh L A .Fuzzy Sets[J].Information and Control,1965,8:338-353. |
| [5] | 赵振宇.模糊理论与神经网络的基础与应用[M].北京:清华大学出版社,1996 |
| [6] | 何清 .模糊聚类分析理论与应用研究进展[J].模糊系统与数学,1998,12(02):89-94. |
| [7] | Christian Windischberger;Markus Barth;Claus Lamm;Lee Schroeder;Herbert Bauer;Ruben C. Gur;Ewald Moser .Fuzzy cluster analysis of high-field functional MRI data[J].Artificial intelligence in medicine,2003(3):203-223. |
| [8] | Takagi T;Sugeno M .Fuzzy identification of systems and its application to modeling and control[J].IEEE Transactions on Systems Man and Cybernetics,1985,15:116-132. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%