李爱莲
,
赵永明
,
崔桂梅
钢铁
doi:10.13228/j.boyuan.issn1001-0963.20140297
针对传统高炉温度模型的固有缺陷,提出了一种基于灰色关联分析的ELM(极限学习机-extreme learning machine)温度预报模型.由于炼铁工艺的多变量、非线性、强耦合等特点,所以传统建模方法已经不能满足要求的高精度预报高炉温度.首先通过灰色关联分析对输入变量进行相关性分析,提高模型的性能,然后结合分析后的变量采用ELM学习算法训练神经网络,最后运用现场数据对该网络进行训练和测试,并与传统的模型相比较.结果表明该模型能快速、准确地预报高炉温度,并且能满足指导现场工人操纵高炉的要求.
关键词:
灰色关联
,
极限学习机
,
高炉
,
铁水温度预报
,
神经网络
