应用优化BP神经网络建立铁水硅含量的预测模型
来源期刊：钢铁研究学报2007年第11期
论文作者：沈峰满 金永龙 苏小利 张军红
关键词：遗传算法; BP神经网络; 硅含量; 预测;
摘 要：高炉铁水的硅含量是描述铁水质量的一个重要指标.为了在出铁之前了解铁水中硅含量的高低,建立预测模型是必要的.结合遗传算法(GA)和BP神经网络,建立了优化的GA-BP预测分析模型,从某高炉选取生产数据进行学习和预测.运行结果表明,模型具有较高的预测精度,当要求绝对误差为±0.05时,命中率可达70%;绝对误差为±0.08时,命中率可达92.3%.同时,应用该模型分析回归了高炉风量、热风压力、富氧量与铁间料批数等参数与铁水硅含量之间的相关关系,其结果与高炉冶炼理论基本吻合,可为高炉生产提供一定的指导.
沈峰满1，金永龙2，苏小利3，张军红2
(1.东北大学材料与冶金学院,辽宁,沈阳,110004;
2.辽宁科技大学材料科学与工程学院,辽宁,鞍山,114051;
3.鞍山钢铁集团公司,辽宁,鞍山,114002)
摘要:高炉铁水的硅含量是描述铁水质量的一个重要指标.为了在出铁之前了解铁水中硅含量的高低,建立预测模型是必要的.结合遗传算法(GA)和BP神经网络,建立了优化的GA-BP预测分析模型,从某高炉选取生产数据进行学习和预测.运行结果表明,模型具有较高的预测精度,当要求绝对误差为±0.05时,命中率可达70%;绝对误差为±0.08时,命中率可达92.3%.同时,应用该模型分析回归了高炉风量、热风压力、富氧量与铁间料批数等参数与铁水硅含量之间的相关关系,其结果与高炉冶炼理论基本吻合,可为高炉生产提供一定的指导.
关键词:遗传算法; BP神经网络; 硅含量; 预测;
【全文内容正在添加中】
