基于生產(chǎn)間歇改進(jìn)Elman的轉(zhuǎn)爐煤氣發(fā)生量預(yù)測

摘要： 針對鋼鐵企業(yè)轉(zhuǎn)爐煤氣發(fā)生量間歇時長波動大，預(yù)測精度低的問題，基于生產(chǎn)間歇特征分類，提出基于混沌映射粒子群算法（CPSO）優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐煤氣發(fā)生量預(yù)測模型（CPSO-Elman）。提取轉(zhuǎn)爐煤氣發(fā)生量時間序列中生產(chǎn)間歇特征，并根據(jù)間歇時長進(jìn)行分類；引入經(jīng)混沌擾動改進(jìn)的PSO算法優(yōu)化ENN的初始權(quán)值和閾值，利用非線性更新的慣性權(quán)重以平衡全局搜索與局部搜索能力，并在粒子初...