《表2 GA-ANN和ANN预测模型误差指标》
图6是GA-ANN模型和ANN模型在训练集和测试集上弯辊力的预测效果图,从图中可以看出,实际值与预测值契合度较好,神经网络模型实现了热轧弯辊力的成功预测.为了更加全面准确地评价GA-ANN模型的整体性能,以相关系数R,平均绝对误差MAE,平均绝对百分误差MAPE,均方根误差RMSE作为模型评价的性能指标,计算结果如表2所示.图7是GA-ANN模型与ANN模型上MAE,MAPE,RMSE三项误差对比图.图中清晰表明无论在训练集还是测试集上,本文提出的GA-ANN模型的各项误差指标都明显小于未经遗传算法优化的ANN模型,再次证明GA-ANN模型能够更加准确地实现热轧过程弯辊力的预报,且模型的泛化能力高,具有结构简单、易于推广的优点,为热轧过程弯辊力的设定与优化研究提供了新的思路与方法.
图表编号 | XD0014084600 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.15 |
作者 | 王振华、龚殿尧、李广焘、张殿华 |
绘制单位 | 东北大学轧制技术及连轧自动化国家重点实验室、东北大学轧制技术及连轧自动化国家重点实验室、东北大学轧制技术及连轧自动化国家重点实验室、东北大学轧制技术及连轧自动化国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |