控制与决策

作者：罗世华,陈坤

单位：江西财经大学 统计学院，南昌 330013,,江西财经大学 统计学院，南昌 330013,

关键词：硅含量;偏态投影深度;Elman神经网络;Logistic模型;预测

基金：国家自然科学基金项目(61973145)；江西省教育厅重点项目(GJJ180247).

高炉冶炼是个具有高度复杂性、混沌性、时滞性的动态过程,工业上常常用铁水硅含量反馈高炉炉温热状态波动变化,而偏态投影深度在数据有偏时可以较好地反映出数据的离群情况,在高维数据分类计算中十分稳健.首先,通过差分处理及相关性分析确定11个影响因素作为输入变量,用于研究各变量变化对硅含量变化的关系;然后,将偏态投影深度值在 90%的置信区间外的数据视作离群值,分为稳定类和离群类;最后,对稳定数据利用Elman 神经网络预测模型进行预测,对于离群类利用Logistic模型在炉温不同波动方向下的规律进行归类预测.实例仿真研究表明,稳定类157炉的预测精度高达85.3%,离群类的预测精度达到82.6%.

来源：2021年第2期

《控制与决策》期刊编辑部

查看控制与决策杂志2021年第2期