基于高相关滤波算法的PSO-LSTM连铸坯质量预测模型

王旭

华北理工大学人工智能学院

摘　要

文章提出了一种将高相关滤波算法与粒子群优化长短期记忆神经网络相结合的连铸坯质量预测模型。首先,使用高相关滤波算法对影响连铸坯质量的多种因素进行降维处理,然后,利用粒子群优化长短期记忆神经网络进行连铸坯中心偏析陷等级的预测实验。实验结果验证了该模型在预测性能方面的优势。

关键词

连铸坯；质量预测；高相关滤波算法；粒子群优化；长短期记忆神经网络

分类号

TF777；TN713

栏　目

试验研究

出　处

《冶金与材料》2021年第4期，第 10-12 页（共 3 页）

出版日期

2021-08-30

知网数据

下载 220 次，被引 9 次（截至 2026-09-29）

知网全文（电脑版） 知网公开页

“知网全文（电脑版）”需登录中国知网或在已订购知网的机构 IP 内访问；“知网公开页”无需登录即可查看摘要，并可按知网规定下载全文。