基于RBF-BP混合神经网络的烧结烟气NO_x预测

易正明^1,2，邓植丹^1,3，覃佳卓¹，刘强²，杜东⁴，张东升⁴

1. 武汉科技大学钢铁冶金新工艺湖北省重点实验室2. 武汉科技大学钢铁冶金与资源利用省部共建教育部重点实验室3. 武汉科技大学高温材料与炉衬技术国家地方联合工程研究中心4. 水城钢铁集团有限公司

摘 要：对烧结烟气NO_x生成量进行预测,能为烧结NO_x源头和过程减排提供有效指导。利用BP神经网络模型和RBF神经网络模型对烧结烟气NO_x进行了预测,在此基础上结合BP模型自适应学习能力强和RBF模型快速收敛的特性,采用优化模型结构、设立连接层的方法,构建RBF-BP混合神经网络模型进行了NO_x预测研究,并对3种模型的预测结果进行了对比分析。研究表明,3种神经网络模型中,RBF-BP混合模型的均方根误差为11.37 mg/m³,平均绝对误差为7.14 mg/m³,最大绝对误差为35.47 mg/m³,最小绝对误差为0.008 3 mg/m³,各评价指标均为3种模型中最优,混合神经网络模型的预测数据稳定性更好,结果拟合程度更高且收敛速度最快。采用混合模型预测NO_x能有效消除烟气NO_x生成量反馈延迟。

关键词：RBF神经网络;BP神经网络;烧结烟气;氮氧化物;预测;