分段线性回归和动态加权神经网络融合的高炉料位预测
蒋朝辉
李晞月
桂卫华
谢永芳
阳春华
1.中南大学信息科学与工程学院,湖南长沙,4100832.中南大学信息科学与工程学院,湖南长沙,4100833.中南大学信息科学与工程学院,湖南长沙,4100834.中南大学信息科学与工程学院,湖南长沙,4100835.中南大学信息科学与工程学院,湖南长沙,410083
摘要：针对高炉料位难以连续高精度测量的问题,提出了一种基于分段线性回归和动态加权神经网络的高炉料位信息预测方法.首先,通过分析高炉布料机制和料位检测数据特点,提出了一种面向雷达和机械探尺检测数据时间序列的联合划分方法,用于提取高炉料位的周期性变化特征;然后,利用该变化特征构建分段线性回归模型,获得能准确描述料位变化的回归曲线;最后,以回归统计指标为权重调节系数,利用动态加权径向基神经网络对料位信息进行预测.实例验证表明,该方法融合了机械探尺检测数据精度高以及雷达检测数据连续性好的特点,实现了高炉料位信息的实时有效预测.
关键词：高炉料位预测分段线性回归动态加权神经网络
分类号：TP273(自动化技术及设备)
资助基金：国家自然科学基金重大项目(61290325)国家自然科学基金创新研究群体科学基金项目(61321003)Supported by Major Program of the National Natural Science Foundation of China(61290325)Foundation for Innovative Research Groups of National Natural Science Foundation of China(61321003)
论文发表日期：2015-01-01
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：9( 801-809 )
英文信息