1.一种基于GA-BP神经网络的富氧底吹铜锍品位预测方法,其特征在于,包括:S1、收集铜冶炼厂稳定生产周期内的实际生产数据,其中实际生产数据包括耗氧量x1、溶剂率x2、富氧浓度x3、铜含量x4、硫含量x5、铁含量x6、二氧化硅含量x7和氧化镁含量x8;
S2、通过在遗传算法中添加自适应交叉概率调节机制和自适应变异概率调节机制对现有GA-BP神经网络进行改进;
其中自适应交叉概率调节机制不仅依赖个体适应度,还结合全局和局部信息用于增强全局搜索能力、局部优化能力;自适应变异概率调节机制不仅结合个体适应度,还引入全局熵值和动态噪声影响,同时允许变异概率在进化后期随机性增加以跳出局部最优,全局熵值用于衡量种群多样性;
自适应交叉概率调节机制中引入了适应度影响因子、进化动态影响因子、适应度排名因子和动态权重;自适应变异概率调节机制中引入了种群熵值因子、适应度调节因子和动态噪声因子;
自适应交叉概率调节机制表达式为:
,
式中,为第个个体的交叉概率,为交叉概率的上限和下限,为适应度影响因子,其中为当前个体适应度,为当前种群平均适应度,为进化动态影响因子,为适应度排名因子,为动态权重;
自适应变异概率调节机制的表达式为:
,
式中,为第个个体的变异概率,为变异概率的上限和下限,为种群熵值因子,为动态噪声因子,为适应度调节因子,其中为当前个体适应度,为种群中最大适应度,通过适应度调节因子可以使得低适应度个体获得更高变异概率;
S3、利用改进后的GA-BP神经网络,将实际生产数据作为输入,预测富氧底吹铜锍品位并输出铜锍品位值。
2.根据权利要求1所述的富氧底吹铜锍品位预测方法,其特征在于,基于上述S2中改进,改后遗传算法的具体步骤包括:S2.1、种群初始化,并设置种群代数g=1;
S2.2、对第g代种群适应度进行计算,计算表达式如下:,其中,表示适应度函数,为真实值,为预测值,为权重系数,用于调整两个误差项的影响,为防止除零的极小数值;
S2.3、选取当前迭代的最优个体及其适应度函数值,并判断是否满足预先设定的停止条件或达到设定的最大迭代数,若满足停止条件或达到最大迭代数,则停止迭代,并将适应度函数值最小的输出为最优个体,若未满足停止条件或未达到最大迭代数,则执行步骤S2.4;
S2.4、选择算子;
S2.5、通过自适应交叉概率调节机制交叉算子;
S2.6、通过自适应变异概率调节机制变异算子;
S2.7、通过精英个体保留策略保留当前代的最优个体,同时生成(g+1)代新种群,并跳转至步骤S2.2,将g+1作为步骤S2.2初始值,进行迭代。