计算机集成制造系统 ›› 2023, Vol. 29 ›› Issue (10): 3239-3248.DOI: 10.13196/j.cims.2023.10.002
盛晓静1,吴永明1,2+,李少波1,刘天松1,刘应波3
SHENG Xiaojing1,WU Yongming1,2+,LI Shaobo1,LIU Tiansong1,LIU Yingbo3
摘要: 针对传统预测模型因分析铝厂时序数据时历史数据量大而无法快速挖掘实时数据隐含的知识信息,导致预测效率低的问题,提出一种基于生长神经气改进模糊神经网络(GNG-ANFIS)全局高效的时序混合预测模型。该模型首先利用生长神经气动态跟踪采集到的时序数据来识别数据奇异点,进而筛选有效数据;然后利用改进后的黑猩猩算法对传统模糊神经网络进行优化;最后,结合铝电解生产过程中铝液杂质铁含量时序数据验证该模型的性能。实验结果表明,混合模型在减少训练时间的情况下仍能准确预测铁含量时序数据,验证了其可行性。
中图分类号: