典型文献
基于蚁群算法-BP神经网络的漏钢预报模型研究
文献摘要：
针对传统BP神经网络在漏钢预报过程中识别速度慢、无法精准预测等问题,采用蚁群算法(ACO)对随机选取的权值阈值进行寻优,详细介绍了 ACO算法的优化步骤,利用MATLAB软件建立了神经网络模型,并将优化后的模型应用到漏钢预报中.将现场采集的数据进行预处理,再输入到神经网络模型中进行训练和测试.结果表明,ACO-BP漏钢预报模型的识别精度明显高于传统BP漏钢预报模型,漏钢预报率可达96.77％,报出率达100％,不仅加快了网络模型的运行速度,也保证了模型的全局搜索能力及鲁棒性,具有良好的应用前景.
文献关键词：
连铸;BP神经网络;ACO优化算法;漏钢预报
中图分类号：
作者姓名：
生万宝;张本国;吴迪;张瑞忠
作者机构：
盐城工学院机械工程学院;河钢集团钢研总院工艺研究所
文献出处：
引用格式：
[1]生万宝;张本国;吴迪;张瑞忠-.基于蚁群算法-BP神经网络的漏钢预报模型研究)[J].特种铸造及有色合金,2022(11):1366-1369
A类：
漏钢预报
B类：
蚁群算法,预报模型,速度慢,精准预测,ACO,权值阈值,化步骤,模型应用,现场采集,识别精度,报出,运行速度,全局搜索,搜索能力,连铸
AB值：
0.208839
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
