论文部分内容阅读
针对铁水硅含量无法直接在线检测的问题,本文提出了一种基于优化极限学习机(ELM)的高炉铁水硅含量预报方法.该方法利用复合差分进化算法(CoDE)的快速定位全局最优解的能力来优化极限学习机的输入权值和隐层节点阈值,在此基础上建立了基于复合差分进化算法优化极限学习机(CoDE–ELM)的高炉铁水硅含量预报模型.以某钢铁厂2650m3的高炉为例,利用实际采集数据进行模型检验,结果表明,当绝对误差小于0:1时,铁水硅含量的预报命中率为89%,均方根误差为0:047,实际目标值序列与预报值序列的相关系数为0:851