基于生长神经气改进模糊神经网络的铝电解过程时序数据预测

来源：计算机集成制造系统杂志2023年第10期北京时间：

作者：盛晓静, 吴永明, 李少波, 刘天松, 刘应波

单位：1.贵州大学现代制造技术教育部重点实验室2.贵州财经大学信息学院3.云南财经大学云南省经济社会大数据研究院

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。

关键词：铝电解,黑猩猩算法,模糊神经网络,时间序列预测,生长神经气

基金资助：国家自然科学基金资助项目(51505094);贵州省科学技术基金计划资助项目(ZK［2023］一般079);贵州省科技支撑计划资助项目((2017)2029);云南财经大学科学研究基金资助项目(2020D01)。