10.3321/j.issn:0449-749X.2006.10.004
神经网络在高炉铁水硫含量预报中的应用
采用3层BP神经网络来预报高炉铁水硫含量,根据高炉冶炼的实际生产数据,选取风温、风量、炉顶温度、焦炭负荷、喷煤量、矿石硫含量、焦炭硫含量、煤粉硫含量和上一炉铁水硅含量9个因素作为输入变量,为提高神经网络预报的准确率,对输入参数进行时滞处理.采取附加动量项和自适应学习步长的措施,解决了BP神经网络局部收敛和学习时间过长的问题.模型预报结果表明:当允许绝对误差不大于0.001时,预报命中率为70.7%;当允许绝对误差不大于0.005时,命中率为90%,证明了模型的有效性.
硫含量、预报、神经网络、高炉
41
TF531(炼铁)
2006-11-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
19-22