一种基于IPSO-HKELM的高炉铁水硅含量预测方法技术

本发明专利技术属于工业过程监控技术领域，尤其涉及一种基于IPSO

【技术实现步骤摘要】
Swarm Optimization，以下简称PSO)算法是一种全局优化算法。因此，混合核极限学习机和粒子群优化算法结合起来，可以对混合核极限学习机的核参数进行全局优化，但是传统的PSO在粒子速度的更新过程中采用恒定不变的惯性权重，将会造成PSO后期陷入局部最优，因此本专利技术的方法中在粒子群优化算法中引入线性递减的惯性权重来克服该缺点。因此本专利技术采用改进粒子群优化算法来对混合核极限学习机的核参数进行全局优化，获得的具有最优核参数的改进粒子群算法优化的混合核极限学习机可用于对高炉铁水硅含量进行预测。
[0012]进一步的，基于IPSO
‑
HKELM的高炉铁水硅含量预测的方法的具体操作步骤如下：
[0013]A1.获取多组影响高炉铁水硅含量的高炉炼铁样本数据，其中，每组数据中包含m个特征；
[0014]A2.利用主成分分析算法将每组数据中的m个特征降为n个特征；
[0015]A3.设置改进粒子群算法优化的混合核极限学习机的参数，其中设置输入层的节点个数为n，设置输出层的节点为1；
[0016]A4.将步骤A2所述高炉炼铁样本数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于IPSO
‑
HKELM的高炉铁水硅含量预测的方法，其特征在于，包括如下操作步骤：S1.获取高炉炼铁样本数据，其中，每个高炉炼铁样本数据中包含m个特征；S2.将获取的高炉炼铁样本数据输入到铁水硅含量预测模型；S3.铁水硅含量预测模型根据输入的高炉炼铁样本数据输出铁水硅含量。2.根据权利要求1所述的一种基于IPSO
‑
HKELM的高炉铁水硅含量预测的方法，其特征在于，在步骤S2中，先利用主成分分析方法对所述高炉炼铁样本数据进行处理，再将其输入到所述铁水硅含量预测模型。3.根据权利要求1或2所述的一种基于IPSO
‑
HKELM的高炉铁水硅含量预测的方法，其特征在于，所述铁水硅含量预测模型是基于改进粒子群算法优化的混合核极限学习机的高炉铁水硅含量预测模型。4.根据权利要求3所述的一种基于IPSO
‑
HKELM的高炉铁水硅含量预测的方法，其特征在于，所述基于IPSO
‑
HKELM的高炉铁水硅含量预测的方法的具体操作步骤如下：A1.获取多组影响高炉铁水硅含量的高炉炼铁样本数据，其中，每组数据中包含m个特征；A2.利用主成分分析算法将每组数据中的m个特征降为n个特征；A3.设置改进粒子群算法优化的混合核极限学习机的参数，其中设置输入层的节点个数为n，设置输出层的节点为1；A4.将步骤A2所述高炉炼铁样本数据利用主成分分析算法处理后，作为所述改进粒子群算法优化的混合核极限学习机的输入数据；A5.使用改进粒子群算法得到所述混合核极限学习机的最优核参数；A6.获得的改进粒子群算法优化的混合核极限学习机即铁水硅含量预测模型。5.根据权利要求4所述的一种基于IPSO
‑
HKELM的高炉铁水硅含...

【专利技术属性】
技术研发人员：肖春江，陈禹，贾志晖，
申请(专利权)人：江苏省镔鑫钢铁集团有限公司，
类型：发明
国别省市：