作者：赵辉; 易晓敏; 王红君; 岳有军转炉炼钢耗氧量预测极限学习机遗传算法遗传算法优化极限学习机
摘要：转炉炼钢的钢水终点成分及温度应由供氧进行控制，由于炉内存在物理化学反应复杂难以预测和冶炼过程中所得数据非线性的问题，传统方法不能准确预测。为提高预测精度，提出采用极限学习机来建立耗氧量预测模型的方法。针对极限学习机的权值和阈值随机确定所导致的网络结构稳定性差的问题，采用遗传算法进行优化，并对神经网络隐含层数量和隐含层激励函数的不同选择对仿真结果的影响做出了具体的分析。仿真结果表明优化算法模型预测精度有明显提高．验证了上述优化方法的有效性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
