基于IGA-ELM的高炉铁水硅含量预测

摘要

cqvip:针对极限学习机(Extreme learning machine,ELM)在进行铁水硅含量预测时随机生成输入层权值和隐含层阈值,导致模型存在预测精度下降以及过拟合等问题。因此,利用免疫遗传算法(Immune genetic algorithm,IGA)的全局寻优能力优化ELM的输入层权值和隐含层阈值,建立IGA-ELM预测模型。通过MATLAB仿真结果对比分析IGA-ELM预测模型和单一的ELM预测模型,验证了IGA-ELM预测模型能够更稳定、更快速以及更准确地对铁水硅含量进行预测。