粒子群优化的BP神经网络模型对C、Mn两种元素收得率的预测

侯志贤

摘 要：本文首先对数据进行处理，利用收得率公式求出历史收得率；并利用已知的影响元素收得率的主要影响因素结合BP神经网络对收得率进行预测，得出预测后收得率数值，然后利用粒子群算法对神经网络进行优化，提高了收得率预测的准确率。

先使用BP神经网络预测合金在各个序列上的收得率，利用MATLAB对创建的网络进行多次训练，达到较高准确度后将数据输入，求出预测的收得率。利用粒子优化算法对建立的神经网络模型进行改进之后，重复进行多次训练，输入数据后得到了新的预测结果，其准确度得到了很大的提升。

关键词：BP神经网络；粒子群优化的BP神经网络；元素收得率

1.模型假设

1.假设合金化前后钢水质量变化微小，忽略不计

2.观测变量是连续变量或有序分类变量

3.变量之间存在线性相关关系

4.假设外界物理因素为理想条件

5.假设加入的元素都是纯净

6.假设脱氧合金化过程搅拌均匀

2.模型的建立

2.1BP神经网络理论

BP 神经网络，即误差反向传播的前馈型网络，是有导师示教的多层网络模型。BP 网络通常包括输入层、隐含层、输出层，每一层的任一节点与下一层的所有节点都有充分连接，但同层之间的节点无任何连接。网络是靠调整层与层之间的连接权值对网络进行训练的。各训练集由输入、输出对{Xk，Yk}组成拓扑结构。

网络运行按前向计算和误差反传两步进行。在前向计算中，当第 k 个样本输入网络时，隐含层节点 h 的输入加权和相应点的输出为：