对烧结矿FeO含量预测的数学模型研究
来源期刊：材料与冶金学报2013年第3期
论文作者：张帆 魏国 庞巍 高强健 陈伟亮 温秋林 杜钢
文章页码：159 - 330
关键词：FeO含量预测;BP;SVM;RBF;
摘 要：分析烧结生产中影响烧结矿FeO含量的众多因素,选择碱度、配煤量、一次温度、制粒效果、加水量、料层厚度、点火温度、煤气流量等8个工艺参数以及4种矿粉配比作为FeO含量预报模型的输入变量.分别采用BP神经网络、RBF神经网络、SVM 3种进行建模预测.预测结果表明,SVM预测性能优于BP神经网络,RBF神经网络优于SVM.
张帆1，魏国1，庞巍1,2，高强健1，陈伟亮1，温秋林1，杜钢1
1. 东北大学材料与冶金学院2. 鞍钢集团矿业公司东烧厂
摘 要：分析烧结生产中影响烧结矿FeO含量的众多因素,选择碱度、配煤量、一次温度、制粒效果、加水量、料层厚度、点火温度、煤气流量等8个工艺参数以及4种矿粉配比作为FeO含量预报模型的输入变量.分别采用BP神经网络、RBF神经网络、SVM 3种进行建模预测.预测结果表明,SVM预测性能优于BP神经网络,RBF神经网络优于SVM.
关键词：FeO含量预测;BP;SVM;RBF;
