基于BP神经网络钒钛烧结矿低温还原粉化性能预测

信自成¹，李杰¹，刘卫星²，杨爱民³，张玉柱¹，王丽丽¹

1. 华北理工大学冶金与能源学院2. 华北理工大学继续教育学院3. 华北理工大学理学院

摘 要：为了改善钒钛烧结矿的低温还原粉化性能,将BP神经网络算法应用于钒钛烧结矿低温还原粉化性能预测中,指标数据的样本分为输入样本和输出样本,其中:输入样本为配碳量、碱度、w（Mg O）以及FMG粉配比,输出样本为钒钛烧结矿RDI+3.15,运用BP神经网络算法探索输入样本与输出样本间的关系。结果表明:BP神经网络模型适用于烧结矿还原粉化性能的研究,可以根据输入样本有效的预测输出样本,且平均相对误差为5.7%,满足工程实践中预测精度的要求,为钒钛烧结矿生产提供了指导。

关键词：烧结矿;低温还原粉化性能;神经网络模型;配碳量;碱度;w(MgO);