基于LM算法BP神经网络的高炉-转炉界面铁水温度预报模型

摘要：

通过研究高炉-转炉界面铁水运输过程温度的主要影响因素,确定了影响高炉-转炉界面铁水运输过程温度的参数,建立了基于Levenberg-Marquardt (LM)算法BP神经网络的高炉-转炉界面铁水温度及铁水过程温降的预报模型.用沙钢100包铁水数据进行模型训练,50包铁水数据进行现场预报,结果表明:在高炉-转炉界面“一包到底”模式下,当绝对误差| X |≤20℃时,铁水温度命中率为94％,铁水温降命中率为78％；当绝对误差|X|≤40℃时,铁水温度命中率为100％,铁水温降命中率为92％,该预报模型能够满足现场实际生产需求,对炼钢生产有很好的指导意义.

关键词：温度、BP神经网络、LM算法、预报模型

所属期刊栏目：47

在线出版日期：2013-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：40-42,49