刘学艺
,
刘祥官
,
王文慧
钢铁
应用贝叶斯网络对高炉铁水硅含量进行预测.首先阐述了贝叶斯网络的数学描述,在此基础上给出贝叶斯网络预测公式的一种简化形式.然后建立高炉铁水硅含量的贝叶斯网络预测模型,对山东莱钢1号高炉在线采集的2 000炉数据进行网络学习,离线预测取得了较好的效果.与神经网络等其他方法相比,它更适合解析高炉过程,而且透明的推理过程对高炉工长判断炉温变化趋势具有指导意义.
关键词:
高炉炼铁
,
铁水硅含量
,
贝叶斯网络
,
预测
张颖
,
陈荣刚
,
戴光
,
王晓鹏
,
董立敏
兵器材料科学与工程
doi:10.3969/j.issn.1004-244X.2011.01.015
根据领域专家经验,利用与储罐底板腐蚀相关的外部表征因素,采用随机重启爬山算法等5种启发式算法构建储罐底板腐蚀状况贝叶斯网络智能评价模型.将模型预测结果与声发射在线检测结果对比,随机重启爬山算法构建的网络模型预测能力优于其他4种算法的网络结构,平均准确率为92%.预测结果表明,该预测模型能够解决储罐底板腐蚀状况的预测问题,具有一定的工程应用价值.
关键词:
贝叶斯网络
,
外部表征因素
,
储罐底板腐蚀
,
声发射在线检测