基于聚类和主成分分析的神经网络预测模型

被引：14

作者：

林树宽

张冬岩

李文贤

张天成

张一飞

机构：

[1] 东北大学信息学院

来源：

小型微型计算机系统 | 2005年 / 12期

关键词：

聚类; 主成分分析; 神经网络模型;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出一种基于聚类和主成分分析的神经网络模型,用于高炉运行指标的实时预测.首先采用谱系聚类将特性分散的样本划分成不同的子类,然后采用主成分分析方法对影响目标数据的众多变量进行降维处理,在此基础上,构建了高炉运行指标的神经网络预测模型,大大改善了预报的精度和效率.通过对采集的高炉数据进行测试,表明本文提出方法的有效性.

引用

页码：2160 / 2163

页数：4