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.
参考文献
| [1] | 刘金琨;邓守强;苏士权 .高炉铁水硅含量的神经网络时间序列预报[J].钢铁研究学报,1996,8(03):63-65. |
| [2] | 李家新,周莉英,唐成润.神经网络在梅山高炉铁水硅含量预报中的应用[J].钢铁,2001(05):14-16. |
| [3] | 徐雅娜,许桂清,周建常.神经网络在高炉铁水含硫量预报中的应用[J].基础自动化,2001(06):10-11,55. |
| [4] | 王小平.遗传算法理论、应用与软件实现[M].西安:西安交通大学出版社,2001 |
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%