声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2133/TF
国际刊号：1001-0963
发布日期:
作者：王帅，张朝晖，邢相栋，惠佳豪，折媛
单位：西安建筑科技大学冶金工程学院，陕西西安710055
关键词：关键词：铁水硅含量,改进鲸鱼算法,核极限学习机,大数据,预测
摘要：精准预测高炉铁水硅含量对炉温调控和节能减排具有重要价值。针对高炉炼铁过程的非线性、时变、高维等特点，提出一种基于大数据的IWOA-KELM铁水硅含量预测模型。采用Tent混沌映射种群初始化并设计捕猎速度控制因子迭代更新策略对鲸鱼算法进行改进，用改进鲸鱼算法（IWOA）对核极限学习机（KELM）中的核函数进行优化，使用斯皮尔曼秩相关系数对模型输入变量进行约简，利用高炉现场采集的大量数据进行学习和验证。结果表明，选取与铁水硅含量相关性最高的7个参数作为模型的输入变量，该预测模型均方根误差为0.036，允许误差在0.10内时，命中率为92.23％，预测时间4.23 s。
来源：2024年第2期
《钢铁研究学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。