张秀玲，赵文保，李少清，徐 腾

（1.燕山大学河北省工业计算机控制工程重点实验室，河北秦皇岛 066004；2.国家冷轧板带装备及工艺工程技术研究中心，河北秦皇岛 066004）

基于人工蜂群算法的Elman网络板形预测

张秀玲1，2，赵文保1，2，李少清1，2，徐 腾1，2

（1.燕山大学河北省工业计算机控制工程重点实验室，河北秦皇岛 066004；2.国家冷轧板带装备及工艺工程技术研究中心，河北秦皇岛 066004）

针对常规Elman网络泛化能力差的缺点，以及工业生产中对高精度板形预测模型的需要，用人工蜂群算法（ABC）代替误差反传算法训练Elman网络，建立了一个基于Elman网络的板形预测模型.神经网络的隐层节点数通过经验公式和仿真试验来确定.通过仿真验证，用人工蜂群算法训练的Elman网络在同等条件下比常规Elman网络具有更强的泛化能力，其板形预测精度更高.

人工蜂群算法；Elman网络；板形预测模型；泛化能力

神经网络是一种可以用来进行预测和控制的有效工具.经过数十年的发展，已有很多不同的种类［1］，它们的训练方法大多是误差反传算法.经误差反传算法训练的神经网络，在数据处理上虽具有容错性、非线性等优点，但也有易落入局部极小点、泛化能力弱等缺点.近期，研究人员对一些生物利用群体行为处理问题发生了兴趣［2］，人工蜂群算法就是其中一个.这种算法主要是受到蜜蜂——这种社会性昆虫群体处理问题行为的启发，进而建立具有良好适应性、鲁棒性的算法或系统［3］.Dervis Karaboga等学者经过研究对比发现……