张辉宜
,
周奇龙
,
袁志祥
,
刘志明
钢铁研究学报
针对RBF神经网络学习算法不能很好地确定其隐含层节点数、隐含层节点中心及其半径的问题,利用AP聚类算法无需事先确定聚类数的特点,提出了一种基于AP聚类的RBF神经网络算法.将该算法应用于120t转炉Q235B钢种冶炼过程的终点碳含量和温度预报,预测结果与实际结果比较,表明该算法具有预测精度高等优点,可为类似应用提供借鉴.
关键词:
AP聚类
,
RBF神经网络
,
转炉炼钢
,
预测
张辉宜
,
周奇龙
,
袁志祥
,
刘志明
,
周云
钢铁研究学报
针对转炉炼钢静态控制模型广泛采用的常规回归分析算法采用目标炉次的前几炉次冶炼数据作为样本,模型预测准确度低的问题,提出了一种基于样本自选择的回归分析算法。该算法从实际生产数据中自动选取一定数量的合适样本来构建回归分析预测模型,实现吹氧量、冷却剂加入量、终点温度和终点碳含量的预测。通过某钢厂120t转炉Q235B钢种的实际生产数据与该算法、常规回归分析算法和BP神经网络算法进行预测结果比较,表明本算法具有预测准确度高,综合预测效果好等优点。
关键词:
转炉炼钢
,
静态控制模型
,
增量回归分析
,
样本自选择
