基于PSO-ICA和RBF神经网络的转炉炼钢终点预报模型

摘要

提出将微粒群优化算法和独立成分分析引入到径向基函数神经网络模型用于转炉炼钢终点预报.利用微粒群优化算法的全局遍历特性和快速不动点算法的局部寻优能力,改进了传统的独立成分分析算法,解决了其目标函数易陷入局部最优和独立特征排序不确定的问题,压缩冗余信息并降低输入维数.将提取出的独立特征输入径向基函数神经网络,预报终点温度和碳含量.对转炉生产实测数据进行了仿真,结果表明该模型能有效提高预报精度,保证预报的可靠性.