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
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.
温度、BP神经网络、LM算法、预报模型
47
2013-07-03(万方平台首次上网日期,不代表论文的发表时间)
共4页
40-42,49