PDF《组合预报模型》

2 , … , , ) 为 网络输 人层单 元,^,(=l,2,…, J ) 为 网络 隐含 层单元,yk(=l,2,…,)为网络输 出层单 元;

I,J,K分 别为网络 输入层 、 隐含 层 和输 出层 的单 元数,(sq:或,)为连接权值 . 设有 Q个样本 , ? , ￡ l ( 口=

1 ,

2 , …, Q)为样本 的输入 、 输出, ^ y 为 隐含 层 的输 出,采用带 惯性因子 的权重学 习算 法对网络 进行 训练,训练算 法 见参 考 文献[

3 ,

4 ] 基金项 目: 湖南省 自然科学基盘(

0 l

1 J Y

2 1

1 D ) 和湖南省教育厅高校科研项 目基盘资助项目 收蓿 日期 :

1 9

9 9―1 2―2

7 i收修改碚 日期:

2 0

0 0―0

6 ―1

9 维普资讯 http://www.cqvip.com 控制理论与应用19卷 【 炼制转炉吹炼终点刊 经网络预报模型 F i g

1 r h e NK― b a s e d p r e d i c t i o n mo d e l o f c o p p e r - ma t t e c On Ye n 娶eadpoi n t 困吹炼的开始 和结束 以送 风的开始 和结束 为标 志.所以把铜锍吹炼 所需 氧量作 为预报 目标 , 铜锍 中的含铜量作为判定终点的标准. 影响吹炼所需氧 量的 因素很 多,主要 有铜 锍 中各 元素和熔 剂的 质量 及各种冷料 的成分 和质 量由于生 产现 场 很难确 定 冷料 的成 分,因此 依 据经 验将 冷料分为古铜 高和含铜低的两 种 考虑 到生产 现 场无 法测定铜锍 中氧 的 含量 , 罔此 选 择铜 锍 中的 C u , S , F e元素的质 量、铜和熔 剂 中所 含Si的总 量及含铜 高 的冷 料和含铜低 的冷 料质量 为模 型的输入 量,记为=ji:

1 . ! ,一,

6 } ;

选择铜锍 吹 炼所 需氧量为 输 出量 , 记为'

为使 运算 简便 , 对输入和输出变 量 进行 归一化处理隐含 层通过输 入层与隐含 层之间连 接权值的 白组织 化 对输入 模式进行 特征抽取 , 并 将抽 取的特征传递 给输 出层 . 通常,隐含 层 单元 数 越多越 好,但太 多会导致 网络冗 余,而且容易振 荡 经验表 明,隐含层 单 元数 一般 应 为输入 变量数的 3到 4倍 本 文对隐含层 取21个单元 , 采 用新 息等维模 型,选取最新 的25炉数 据作 为训 练样本集 , 预 测其 后 4炉的 吹炼终点 , 然后再 将这 4炉新的实 际数据补 充进来 , 去掉最早 的 4炉数 据,对神经 网络进 行训练 , 使模型具有 自学 习和 自适 应性

2 .

2 自适应残差补偿算法( A d a p t i v e~ i T O r c o m p e n s a ― t i o n a l g o r i t h m) 由于神经 网络模 型只考 虑 影响 吹炼 所需 氧量 的主要 因素 , 所 咀必 须对网络模 型输 出 的残差 进行 补偿 . 本 文采用多 元线性回归 法建 立残 差与 各影响固索间关 系的模 型,以此对 网络模 型给出的预 测值 进行磺 差补偿 , 为此令 :

1 ( )= Y N N( )+ y ( ) ( =

1 ,

2 , … . Q) . (

1 ) 其中 ( ) 为建 模用样本数量 , ( ) ( =

1 ,

2 , …, p ) 为实际吹炼用氧量 , ( )........