G-BP算法在烧结矿FeO指标预测中的应用
来源期刊：东北大学学报(自然科学版)2002年第11期
论文作者：张军红 沈峰满 谢安国
文章页码：1073 - 1075
关键词：铁矿石;烧结;遗传算法;神经网络;BP算法;FeO含量;预测;
摘 要：实现烧结过程工艺参数的优化,首先要进行烧结矿质量预测·采用遗传算法与BP神经网络相结合的方法,建立了烧结矿FeO含量预测模型,并改进BP学习算法·仿真表明,该方法可以优化神经网络结构,缩短学习时间·与传统的BP神经网络模型相比,预测值与实际值间的相对误差由6 534%降低至1 400%,其精度高于传统BP网络模型·该方法为实现在线预测奠定基础·
张军红，沈峰满，谢安国
摘 要：实现烧结过程工艺参数的优化,首先要进行烧结矿质量预测·采用遗传算法与BP神经网络相结合的方法,建立了烧结矿FeO含量预测模型,并改进BP学习算法·仿真表明,该方法可以优化神经网络结构,缩短学习时间·与传统的BP神经网络模型相比,预测值与实际值间的相对误差由6 534%降低至1 400%,其精度高于传统BP网络模型·该方法为实现在线预测奠定基础·
关键词：铁矿石;烧结;遗传算法;神经网络;BP算法;FeO含量;预测;
