基于PNN和IGS的铅锌烧结块成分智能集成预测模型
王春生1
吴敏1
佘锦华2
1.中南大学,信息科学与工程学院,湖南,长沙,4100832.东京工科大学,计算机科学学部,日本,东京,192-0982
摘要：针对复杂的烧结块成分预测问题,提出一种基于过程神经网络和改进灰色系统的铅锌烧结块成分智能集成预测模犁.首先利用过程神经网络可充分表达时间序列中时间累积效应、灰色系统可弱化数据序列波动性的特点,分别对烧结块成分进行预测,然后从信息论的观点出发,提出一种确定各预测模犁加权系数的熵值递推算法,通过对两个预测模型的预测结果进行加权集成,获得更加准确的铅锌烧结块成分预测结果.结果表明,智能集成模型的预测精度高于单一预测模型,能有效地对烧结块成分进行预测,满足了配料计算对预测精度和数据完备性的要求.
关键词：铅锌烧结过程成分预测过程神经网络改进灰色系统信息熵智能集成预测模型
分类号：TP273(自动化技术及设备)
资助基金：国家自然科学基金(60425310)国家高技术研究发展计划（863计划）(2008AA04Z128)
论文发表日期：2009-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 316-320 )
英文信息