基于GM-RBF神经网络组合模型的水泥强度预测方法.pdfVIP

科技导报2014，32（3） 基于基于GM-RBFGM-RBF神经网络组合模型的神经网络组合模型的 水泥强度预测方法水泥强度预测方法 1 2 3 裘国华 ，申屠南瑛 ，施正伦 1. 中国计量学院信息工程学院，杭州 310018 2. 中国计量学院机电工程学院，杭州 310018 3.浙江大学能源工程学系，能源清洁利用国家重点实验室，杭州310027 摘要摘要 为预测煤矸石代黏土煅烧水泥的28 d抗压强度性能，根据生产水泥的物检分析数据，将GM(1,N)预测技术和径向基函数 （RBF）神经网络技术相结合，提出了基于GM-RBF神经网络组合模型水泥强度预测的新方法。该组合模型首先利用试验产品 的典型物检数据建立GM(1,N)网络，对数据进行预处理。然后将输入样本数据进行一次累加生成操作，并进行归一化，设置GM- RBF神经网络组合模型预测精度和散步常数。经处理后的输入样本作为RBF神经网络输入向量，相应的实测28 d抗压强度作 为模型的输出期望值开展训练，比较预测数据与实测数据，并进行调整，最终得到符合精度要求的GM-RBF神经网络组合模 型。该组合模型一方面避免GM(1,N)模型的理论误差，利用累加生成运算和样本数据的预处理，减少了由于训练样本随机性对 建模精度产生的影响；另一方面由于具有自适应、自组织和速度快等特点，能快速预测水泥远期强度情况。仿真试验表明，该模 型预测精度优于单个GM（1,N）模型或RBF神经网络模型，具有较好的拟合性，适用于对水泥强度的预测，可以为煤矸石代黏土 煅烧水泥的质量分析提供有效参考。 关键词关键词 GM-RBF神经网络；累加生成运算；抗压强度；预测模型 中图分类号中图分类号 TP391.9 文献标志码文献标志码 A doidoi 10.3981/j.issn.1000-7857.2014.03.008 PredictionMethodofCementStrengthBasedonGM-RBFNeural NetworkCombinationModel QIUGuohua,SHENTUNanying,SHIZhenglun1 2 3 1.CollegeofCommunicationEngineering,ChinaJiliangUniversity,Hangzhou 310018,China 2.CollegeofMechanicalandElectricalEngineering,ChinaJiliangUniversity,Hangzhou 310018,China 3.StateKeyLaboratoryofCleanEnergyUtilization,DepartmentofEnergyEnginering,ZhejiangUniversity,Hangzhou 310027, China AbstractAbstract Inordertopredictthe 28 daycompressivestrengthofcoalganguesasclayforcement,apredictionmethodofgreymodel andradialbasisfunction(GM-RBF)neuralnetworkcombinationmodelispresentedaccordingtothedataofcementphysicstest analysis.ThemethodmakesusedoftheadvantageofbothGMandRBFneuralnetwork.Firstly,thecombinationmodelbuiltupGM(1, N)networkbasedonitstestanalysisdata,andthedatawerepreprocessed.Oneaccumulatedgenerationoperation(1-AGO)and normalizationwerecarriedout. Predictedprecision andscatterconstantweresetuptothecombinationmodel.Then,theseprocessed samplesservedastheinputvectorsforRBFneuralnetwork,themeasurementdataof 28 daycompressivestrength