随机模糊神经网络模型预测铁水硅含量

该文在考虑了具有模糊化和非模糊化的模糊逻辑系统用于高炉铁水含硅量[Si]时各种噪声干扰的同时,把模糊数学理论和随机系统理论结合在一起,建立了一种新的高炉铁水含硅量[Si]的智能预报模型,该模型是由非单值模糊化、模糊规则库、模糊推理机、特殊非模糊化构成的随机模糊神经网络逻辑系统.通过结合莱钢1号高炉实时在线采集的生产数据,进行仿真研究,结果表明,该套模型能够很好地预测高炉铁水含硅量[Si].

基于邻域粗糙集的气象因子选择在虾塘水温预测中的应用

基于邻域粗糙集对影响虾塘水温变化的气象因子进行选择,并选取模型预测虾塘水温,为南美白对虾养殖趋利避害提供科学参考。首先,将平均气温、最高气温、最低气温、降水量、气压、2 min风速、10 min风速和瞬时风速等8个气象因子组合输入SFNN模型(单隐层前馈神经网络模型)、高斯回归模型和岭回归模型进行虾塘水温预测,选取预测效果最好的SFNN模型为本研究预测模型。然后,运用邻域粗糙集和熵理论,考虑气象因子和虾塘水温之间的相关性、冗余性和交互性,选出影响虾塘水温变化的主要气象因子。最后,利用选出的主要气象因子和SFNN模型实现虾塘水温预测。将基于邻域粗糙集选出的5个气象因子组合与8个气象因子组合,以及8个气象单因子分别输入SFNN模型,预测结果表明:邻域粗糙集选出的5个气象因子组合预测结果最好,其预测均方根误差、均方误差、平均绝对误差最小,分别为1.1211、1.2569和0.8938,决定系数(R2)为0.7916;在气象单因子中,气压对虾塘水温的预测结果较好。因此,基于邻域粗糙集选出的5个气象因子组合,通过SFNN模型进行虾塘水温预测结果最好,此方法在南美白对虾养殖趋利避害、防灾减灾中具有一定的实用价值。