崔桂梅
,
程史
钢铁
高炉炼铁通常采用铁水Si含量间接反映炉温的变化,模型预测精度低.以影响炉温的6个变量为输入变量,采用基于自组织的分布式RBF神经网络模型分别对铁水温度和铁水Si含量建立预测模型,先用自组织神经网络划分输入输出样本空间,然后对每个子空间建立RBF神经网络子网模型,再使用子网模型对测试样本集的同一个样本点进行预测,并以测试样本点对每一子空间的隶属度为权值,对子网预测值进行加权求和,得到最终预测值.对比使用同一输入变量数据的铁水温度和铁水Si含量的预测模型命中率,研究表明,高炉铁水温度的命中率更高,具有更好的炉温预测效果.
关键词:
铁水温度预测
,
铁水Si含量预测
,
分布式建模
,
自组织神经网络
,
RBF神经网络
