文献类型：期刊文章

作　　者：易军[1] 李太福[1,2] 侯杰[2] 姚立忠[3] 田应甫[4]

机构地区：[1]重庆科技学院电气与信息工程学院,重庆401331 [2]重庆大学自动化学院,重庆400044 [3]西安石油大学电子工程学院,陕西西安710065 [4]重庆天泰铝业有限公司,重庆401328

出　　处：《四川大学学报（工程科学版）》

基　　金：国家自然科学基金资助项目(51075418;61174015);重庆市教委科学技术研究项目(KJ121410);重庆市自然科学基金资助项目(cstc2012jjB40006;cstc2012jjA1475);重庆科技学院校内科研基金资助项目(CK2011B04)

年　　份：2013

卷　　号：45

期　　号：1

起止页码：169-174

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20131416175078)、JST、MR、SCOPUS、ZGKJHX、核心刊

摘　　要：针对影响氧化铝浓度的因素较多,彼此相关性强,难以建立动态预测模型的问题,提出一种基于FNN-UKF神经网络的动态预测方法。首先考察各原始变量置零前后在特征空间主元投影上的相似度,判断其对氧化铝浓度的解释能力,由此进行原始变量选择;再将约简后的原始变量输入基于UKF算法的神经网络预测模型,通过更新状态估计值和方差矩阵提高模型的泛化能力。对取自某厂160KA大型预焙槽的247组样本数据进行检验:228组样本的预测误差在±1%之内,计算量减少52.07%,表明该方法在保证预测精度的同时,有效降低了模型学习的计算量。

关 键 词：虚假最近邻法  核主成分分析法  预测  氧化铝浓度 神经网络

分 类 号：TP183] TF821]