發(fā)布時間：2018-05-11 13:36

  本文選題：漿體管道 + 臨界淤積流速　； 參考：《傳感器與微系統(tǒng)》2017年03期

【摘要】：針對漿體管道臨界淤積流速預測難度大、精度低等問題,提出了粒子群優(yōu)化—極限學習機(PSOELM)的臨界淤積流速預測模型。利用PSO算法對ELM模型參數(shù)輸入權值和隱元偏置進行優(yōu)化,應用優(yōu)化得到的ELM模型對預測集進行預測。通過實驗仿真得到預測結果的最大誤差為5.73%,預測效果優(yōu)于常規(guī)的ELM模型和反向傳播(BP)神經(jīng)網(wǎng)絡模型。
[Abstract]:Aiming at the problems of high difficulty and low precision in predicting critical deposition velocity of slurry pipeline, a particle swarm optimization (PSO) model for predicting critical deposition velocity is proposed. The PSO algorithm is used to optimize the input weights and implicit element bias of ELM model parameters, and the predicted set is predicted by the optimized ELM model. The maximum error of the predicted result is 5.73 through experimental simulation, which is superior to the conventional ELM model and the BP neural network model.
【作者單位】： 昆明理工大學信息工程與自動化學院;云南省礦物管道輸送工程技術研究中心;
【基金】：國家自然科學基金資助項目(51169007) 云南省科技計劃項目(2013DH034) 云南省中青年學術和技術帶頭人后備人才培養(yǎng)計劃項目(2011CI017)
【分類號】：U171;TP18
，

本文編號：1874182