期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进灰狼算法和多核极限学习机的铁水硅含量预测建模
被引量：
17
1
作者
方一鸣
赵晓东
+2 位作者
张攀
刘乐
王硕玉
《控制理论与应用》
EI
CAS
CSCD
北大核心
2020年第7期1644-1654,共11页
针对高炉铁水硅含量难以在线检测的问题,本文提出一种基于改进灰狼算法(IGWO)优化的多核极限学习机(MKELM)高炉铁水硅含量预测建模方法.首先,针对灰狼算法(GWO)寻优能力的不足,将最优-最差正交反向学习(OWOOBL)策略应用于灰狼算法的位...
针对高炉铁水硅含量难以在线检测的问题,本文提出一种基于改进灰狼算法(IGWO)优化的多核极限学习机(MKELM)高炉铁水硅含量预测建模方法.首先,针对灰狼算法(GWO)寻优能力的不足,将最优-最差正交反向学习(OWOOBL)策略应用于灰狼算法的位置更新,得到一种改进灰狼优化算法.通过10种标准函数对所提算法进行仿真测试,结果表明此算法具有更好的寻优能力.其次,针对单核极限学习机(KELM)回归能力不足,将不同种类的核函数加权组合,并采用改进灰狼算法对多核极限学习机中的加权系数等参数进行优化.最后,基于某钢厂的实测数据对高炉铁水硅含量进行预测建模,仿真结果表明,本文所提方法的预测效果优于反向传播神经网络(BP-NN)、极限学习机(ELM)、KELM和GWO-MKELM,对高炉炼铁具有较好的指导意义.
展开更多
关键词
改进灰狼优化算法
最优-最差正交反向学习
多核极限学习机
铁水硅含量
预测建模
在线阅读
下载PDF
职称材料
题名
基于改进灰狼算法和多核极限学习机的铁水硅含量预测建模
被引量：
17
1
作者
方一鸣
赵晓东
张攀
刘乐
王硕玉
机构
燕山
大学
工业计算机控制
工程
河北省重点实验室
燕山
大学
智能控制
系统
与智能装备教育部
工程
研究中心
高知工科大学系统工程学院
出处
《控制理论与应用》
EI
CAS
CSCD
北大核心
2020年第7期1644-1654,共11页
基金
国家自然科学基金项目(61873226,61803327)
河北省自然科学基金项目(F2017203304,F2019203090)
河北省人才工程培养经费资助科研项目(A2016015002)资助。
文摘
针对高炉铁水硅含量难以在线检测的问题,本文提出一种基于改进灰狼算法(IGWO)优化的多核极限学习机(MKELM)高炉铁水硅含量预测建模方法.首先,针对灰狼算法(GWO)寻优能力的不足,将最优-最差正交反向学习(OWOOBL)策略应用于灰狼算法的位置更新,得到一种改进灰狼优化算法.通过10种标准函数对所提算法进行仿真测试,结果表明此算法具有更好的寻优能力.其次,针对单核极限学习机(KELM)回归能力不足,将不同种类的核函数加权组合,并采用改进灰狼算法对多核极限学习机中的加权系数等参数进行优化.最后,基于某钢厂的实测数据对高炉铁水硅含量进行预测建模,仿真结果表明,本文所提方法的预测效果优于反向传播神经网络(BP-NN)、极限学习机(ELM)、KELM和GWO-MKELM,对高炉炼铁具有较好的指导意义.
关键词
改进灰狼优化算法
最优-最差正交反向学习
多核极限学习机
铁水硅含量
预测建模
Keywords
improved grey wolf optimizer
optimal-worst orthogonal opposition-based learning
multiple kernel extreme learning machine
silicon content in liquid iron
prediction modeling
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TF53 [冶金工程—钢铁冶金]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进灰狼算法和多核极限学习机的铁水硅含量预测建模
方一鸣
赵晓东
张攀
刘乐
王硕玉
《控制理论与应用》
EI
CAS
CSCD
北大核心
2020
17
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
