备战2025数学建模国赛（模型33）：粒子群算法 优秀案例（一）制动器试验台的计算机控制方法分析与设计

专栏内容(赛前预售价99，比赛期间199): 2025数学建模国赛期间会发布思路、代码，赛前会发布常用算法模型使用案例，内容可能达不到所有人预期,达不到国一水平，普遍获得省奖，请勿盲目订阅。

35套模型算法（常用使用案例）：马尔科夫模型、遗传算法、逻辑回归、逐步回归、蚁群算法、蒙特卡洛模拟、聚类模型、线性规划、粒子群算法、神经网络、相关系数、灰色预测、灰色关联分析、模糊综合评价、模拟退火、时间序列ARMA、方差分析支持向量机、插值、排队论、拟合模型、微分方程、层次分析法、小波分析、多元回归、图论floyd算法、图论Dijkstra模型、因子分析、动态规划、博弈论、决策树、典型相关分析、元胞自动机、主成分分析、TOPSIS法。

目录

摘要

一．问题重述

二．模型假设

三．符号说明

四．问题分析

五．数据预处理

六．问题一模型的建立与求解

七．问题二模型的建立与求解

八．问题三模型的建立与求解

 模型的优缺点

参考文献

附录

---

摘要

        在我国制造业升级“中国制造 2025”的国家战略下，为了预测控制高炉炼铁过程，本文建立了神经网络预测模型、混沌时间序列预测模型，并基于遗传算法（GA）改进了神经网络模型，使用粒子群算法（PSO）优化了含硫量[S]。
        针对问题一，首先，本文对附件所给数据进行了数据预处理，剔除了异常值并归一化，得到 932 组有效数据。然后，建立 BP 神经网络预测模型预测了含硅量[Si]，并分析了含硅量[Si]、含硫量[S]、鼓风量 FL 和喷煤量 PML 之间的相关性。其次，建立了小波神经网络预测模型和遗传算法（GA）优化的 BP 神经网络预测模型，并比较了三者优劣。接着，选取训练样本数据 922 组，验证样本数据 10 组，发现遗传算法优化的 BP 神经网络预测模型和小波神经网络预测模型预测效果较好，BP 神经网络预测模型较差。最后，本文建立了混