基于PSO-BP神经网络的加热炉钢坯温度预测模型

采用粒子群算法对BP网络进行优化建模,运用粒子群的全局寻优能力确定BP神经网络的权重阈值,实现了对钢坯出炉温度的预测,对模型进行模拟仿真。结果显示:采用PSO-BP神经网络进行温度预测具有更高的精度和更好的收敛速度,相比BP神经网络,PSO-BP神经网络的拟合优度提升了0.086,平均绝对误差降低了41.8%,均方根误差降低了38.8%,标准差降低了38.1%,能够更好地完成对钢坯出炉温度的预测。