基于灰狼算法优化的多隐层径向基神经网络铅锌烧结返粉料水分预测

作     者：刘再涛 王震 贺建军 沈玲 邵雄奇 江新辉 LIU Zaitao;WANG Zhen;HE Jianjun;SHEN Ling;SHAO Xiongqi;JIANG Xinhui

作者机构：中南大学自动化学院湖南长沙410083 湖南师范大学信息科学与工程学院湖南长沙410081 韶关冶炼厂广东韶关512024 

出 版 物：《中南大学学报（自然科学版）》 (Journal of Central South University:Science and Technology)

年 卷 期：2023年第54卷第2期

页      面：754-764页

核心收录：

学科分类：0711[理学-系统科学] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 0903[农学-农业资源与环境] 0901[农学-作物学] 

基　　金：国家自然科学基金资助项目(61873282)。 

主　　题：烧结返粉料 水分预测 孤立森林 RBF神经网络 灰狼算法 

摘      要：返粉料冷却是铅锌烧结流程中烧结配料回收利用的一道流程,对冶炼厂生产成本、烧结效率、环境保护有着重要的影响。针对冷却圆筒返粉料水分预估困难的问题,以影响冷却圆筒返粉料水分的主要变量为输入,冷筒出料端返粉料的水分为输出,构建水分预测模型。首先,采用孤立森林算法对采集的生产数据进行预处理以去除异常值。然后,以改进的灰狼优化算法(IGWO)优化的多隐层径向基函数神经网络(MRBFNN)建立冷却圆筒返粉料水分预测模型(IGWO-MRBFNN),实现对物料水分的精准预测,对不同模型的预测效果进行对比。研究结果表明:IGWO-MRBFNN模型的预测精度最高,误差最小;该预测模型的建立对于提高冶炼厂的生产效率和烧结质量以及环境保护具有重要意义。