烧结矿FeO含量预报系统开发与应用
来源期刊:钢铁2006年第9期
论文作者:蒋大军
关键词:烧结矿FeO; 神经网络; 网络训练; 预报;
摘 要:针对FeO含量控制复杂与难度大的实际情况,开发了神经网路预报系统.采用改进后的4层前向神经网络,进行多因素输入建模,输出采用主因线性相关与次因非线性相关叠加,预报现场烧结矿FeO含量.网络结构设计精度高、泛化能力强.训练方差为0.01508846,用训练样本集测试FeO含量输出,检验的绝对平均误差为0.135 665,命中率为97.78%.采用训练后网络预报,绝对平均误差为0.189 226,命中率为91.14%.
蒋大军1
(1.攀枝花钢铁集团公司炼铁厂,四川,攀枝花,617024)
摘要:针对FeO含量控制复杂与难度大的实际情况,开发了神经网路预报系统.采用改进后的4层前向神经网络,进行多因素输入建模,输出采用主因线性相关与次因非线性相关叠加,预报现场烧结矿FeO含量.网络结构设计精度高、泛化能力强.训练方差为0.01508846,用训练样本集测试FeO含量输出,检验的绝对平均误差为0.135 665,命中率为97.78%.采用训练后网络预报,绝对平均误差为0.189 226,命中率为91.14%.
关键词:烧结矿FeO; 神经网络; 网络训练; 预报;
【全文内容正在添加中】