基于FCM的分布式RBF网络模型对高炉炉温的预测研究

针对高炉炉温单模型难以预测的问题。根据分布式建模的思想,提出一种基于FCM的分布式神经网络模型,先用模糊C均值聚类对输入输出样本空间进行模糊划分,然后对每个划分建立RBF神经网络子模型,使用子模型对测试样本集的样本点进行预测,以测试样本点对每一划分的隶属度为权值,进行加权求和,得到最终预测值。研究表明,对比单一神经网络模型,基于FCM的分布式RBF网络模型有更好的预测效果。

市场经济知识问答

1、什么是中央银行?中央银行调节货币供应量的主要手段有哪些?中央银行是指在一国金融体系中居于主导地位,负责制定和执行国家的金融政策,调节货币流通与使用活动,对国家负责,在对外金融活动中代表国家,并对国内整个金融体系和金融活动实行管理与监督的金融中心机构。其特殊职能是:垄断货币发行权;集中商业银行的存款准备金,并对他们提供信贷,通过调节准备金率调节货币供应量;组织全国票据清算;管理国家外汇和黄金;代理国库,代国家发行公债券,并对国家提供贷款。因此,中央银行是发行银行,银行的银行,政府的银行。

基于分布式神经网络模型的高炉炉温预测建模

高炉炼铁通常采用铁水Si含量间接反映炉温的变化,模型预测精度低。以影响炉温的6个变量为输入变量,采用基于自组织的分布式RBF神经网络模型分别对铁水温度和铁水Si含量建立预测模型,先用自组织神经网络划分输入输出样本空间,然后对每个子空间建立RBF神经网络子网模型,再使用子网模型对测试样本集的同一个样本点进行预测,并以测试样本点对每一子空间的隶属度为权值,对子网预测值进行加权求和,得到最终预测值。对比使用同一输入变量数据的铁水温度和铁水Si含量的预测模型命中率,研究表明,高炉铁水温度的命中率更高,具有更好的炉温预测效果。