基于生長神經(jīng)氣改進模糊神經(jīng)網(wǎng)絡(luò)的鋁電解過程時序數(shù)據(jù)預(yù)測

摘要： 針對傳統(tǒng)預(yù)測模型因分析鋁廠時序數(shù)據(jù)時歷史數(shù)據(jù)量大而無法快速挖掘?qū)崟r數(shù)據(jù)隱含的知識信息，導(dǎo)致預(yù)測效率低的問題，提出一種基于生長神經(jīng)氣改進模糊神經(jīng)網(wǎng)絡(luò)(GNG-ANFIS)全局高效的時序混合預(yù)測模型。該模型首先利用生長神經(jīng)氣動態(tài)跟蹤采集到的時序數(shù)據(jù)來識別數(shù)據(jù)奇異點，進而篩選有效數(shù)據(jù)；然后利用改進后的黑猩猩算法對傳統(tǒng)模糊神經(jīng)網(wǎng)絡(luò)進行優(yōu)化；最后，結(jié)合鋁電解生產(chǎn)過程中鋁液雜質(zhì)鐵含量時序數(shù)...