任彦军
,
，王家伟，张晓兵，赵浩文
钢铁
通过研究高炉-转炉界面铁水运输过程温度的主要影响因素，确定了影响高炉-转炉界面铁水运输过程温度的参数，建立了基于Levenberg-Marquardt(LM)算法BP神经网络的高炉-转炉界面铁水温度及铁水过程温降的预报模型。用沙钢100包铁水数据进行模型训练，50包铁水数据进行现场预报，结果表明：在高炉-转炉界面“一包到底”模式下，当绝对误差│X│≤20℃时，铁水温度命中率为94%，铁水温降命中率为78%；当绝对误差│X│≤40℃时，铁水温度命中率为100%，铁水温降命中率为92%，该预报模型能够满足现场实际生产需求，对炼钢生产有很好的指导意义。
关键词:
温度
,
BP neural network
,
LM algorithm
,
predictive model
任彦军
,
王家伟
,
张晓兵
,
赵浩文
钢铁
通过研究高炉-转炉界面铁水运输过程温度的主要影响因素,确定了影响高炉-转炉界面铁水运输过程温度的参数,建立了基于Levenberg-Marquardt (LM)算法BP神经网络的高炉-转炉界面铁水温度及铁水过程温降的预报模型.用沙钢100包铁水数据进行模型训练,50包铁水数据进行现场预报,结果表明:在高炉-转炉界面“一包到底”模式下,当绝对误差| X |≤20℃时,铁水温度命中率为94％,铁水温降命中率为78％；当绝对误差|X|≤40℃时,铁水温度命中率为100％,铁水温降命中率为92％,该预报模型能够满足现场实际生产需求,对炼钢生产有很好的指导意义.
关键词:
温度
,
BP神经网络
,
LM算法
,
预报模型
