基于差分进化-灰狼优化算法的支持向量机连铸漏钢预报系统研究

吴迪; 张本国; 生万宝; 张瑞忠

doi:10.15980/j.tzzz.2023.02.006

研究·计算机应用 | 浏览量 : 0 下载量: 55 CSCD: 0

导出
分享
收藏
专辑

基于差分进化-灰狼优化算法的支持向量机连铸漏钢预报系统研究
暂无标题
2023年第2期页码：174-177
纸质出版日期： 2023 ，
DOI： 10.15980/j.tzzz.2023.02.006

扫描看全文

吴迪, 张本国, 生万宝, 等. 基于差分进化-灰狼优化算法的支持向量机连铸漏钢预报系统研究[J]. 特种铸造及有色合金, 2023,(2):174-177.
吴迪, 张本国, 生万宝, 等. 基于差分进化-灰狼优化算法的支持向量机连铸漏钢预报系统研究[J]. 特种铸造及有色合金, 2023,(2):174-177. DOI： 10.15980/j.tzzz.2023.02.006.

DOI：

摘要

针对小样本训练数据情况下BP神经网络模型难以获得较高预报准确率的问题，提出了一种基于差分进化-灰狼优化(DE-GWO)混合算法优化的支持向量机(SVM)模型，并将其应用到连铸漏钢预报系统领域。利用差分进化(DE)算法的交叉变异操作对灰狼优化(GWO)算法进行进化，得到DE-GWO混合算法，在解决了GWO易陷入局部最优问题的同时，提高了算法的寻优速度以及模型的准确性。结合某钢厂连铸生产数据，对DE-GWO-SVM漏钢预报模型进行测试。结果表明，该算法下的连铸漏钢预报系统的准确率为99.5%

报出率达到100%。

Abstract

针对小样本训练数据情况下BP神经网络模型难以获得较高预报准确率的问题，提出了一种基于差分进化-灰狼优化（DE-GWO）混合算法优化的支持向量机（SVM）模型，并将其应用到连铸漏钢预报系统领域。利用差分进化（DE）算法的交叉变异操作对灰狼优化（GWO）算法进行进化，得到DE-GWO混合算法，在解决了GWO易陷入局部最优问题的同时，提高了算法的寻优速度以及模型的准确性。结合某钢厂连铸生产数据，对DE-GWO-SVM漏钢预报模型进行测试。结果表明，该算法下的连铸漏钢预报系统的准确率为99.5%

报出率达到100%。