-
题名基于改进狮群算法和BP神经网络模型的磨矿浓度预测
被引量：4
- 1
-
-
作者
葛子源
王庆凯
邹国斌
杨佳伟
刘道喜
-
机构
北京矿冶研究总院
矿冶科技集团有限公司
矿冶过程自动控制技术国家重点实验室
-
出处
《有色金属（选矿部分）》
CAS
北大核心
2023年第5期59-66,共8页
-
基金
国家重点研发计划项目(2020YFE0201100)
甘肃省科技计划项目(20ZD7WC010)。
-
文摘
针对当前选矿生产过程中磨矿参数难以实时测量,导致的无法对磨矿流程控制进行有效实时优化的问题,提出了一种基于改进狮群算法和BP神经网络的磨矿浓度预测方法。传统的狮群算法(Lion Swarm Optimization, LSO)存在容易陷入局部最优解和局部搜索能力弱的问题,通过改变狮王更新方式的同时加入衰减因子,来提升全局搜索能力,避免陷入局部最优解,对于母狮和学习狮的更新方式引入了动态学习策略,来优化局部搜索能力,并在仿真测试中验证了改进算法的优越性。同时利用改进的算法代替BP神经网络中的梯度下降法,来搜索最优的权值和阈值,提升BP神经网络收敛速度和收敛精度。试验结果表明,改进狮群算法优化的BP神经网络(Improved Lion Swarm Optimization-BP,ILSO-BP)在此预测问题上有更好的效果。
-
关键词
狮群算法
衰减因子
动态学习
BP神经网络
磨矿浓度预测
-
Keywords
Lion Swarm Algorithm
reducation factor
dynamic learning
BP neural network
grinding concentration prediction
-
分类号
TD928.9
[矿业工程—选矿]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
