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

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。