采用3层BP神经网络来预报高炉铁水硫含量,根据高炉冶炼的实际生产数据,选取风温、风量、炉顶温度、焦炭负荷、喷煤量、矿石硫含量、焦炭硫含量、煤粉硫含量和上一炉铁水硅含量9个因素作为输入变量,为提高神经网络预报的准确率,对输入参数进行时滞处理.采取附加动量项和自适应学习步长的措施,解决了BP神经网络局部收敛和学习时间过长的问题.模型预报结果表明:当允许绝对误差不大于0.001时,预报命中率为70.7%;当允许绝对误差不大于0.005时,命中率为90%,证明了模型的有效性.
参考文献
| [1] | 阳海彬,张丙怀,王立芬,刁岳川,廖东海.高炉铁水硅含量预测系统[J].重庆大学学报（自然科学版）,2005(03):44-46. |
| [2] | 蒋大军.基于人工神经网络的烧结矿FeO预报系统[J].烧结球团,2005(03):30-34. |
| [3] | 韩力群.人工神经网络理论、设计及应用[M].北京:化学工业出版社,2002 |
| [4] | 刘学艺,刘祥官,王文慧.贝叶斯网络在高炉铁水硅含量预测中的应用[J].钢铁,2005(03):17-20. |
| [5] | 肖伸平,吴敏,刘代飞.基于小波神经网络的高炉铁水含硅预报[J].有色金属,2005(02):106-110. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%