基于神经网络的转炉终点碳温分类预测模型建立与改进

摘要：

针对传统预测模型建立中的弱点,分析了转炉炼钢的输入输出参数,建立了三输出转炉碳温分类预测模型;根据不同数据范围所对应的不同规律,对数据源进行了交叉分段处理;为提高模型训练速度,采用LM算法进行训练,同时针对该算法容易陷入局部极小和过学习的缺陷,采用了多种方法进行处理,实验仿真证明,将训练数据源进行分段建立分类预测模型,能显著提高网络的泛化能力,结合三输出模型结构,有效地提高了转炉终点碳含量和温度的预测百分比.

关键词：静态模型、神经网络、交叉分段、分类预测模型

所属期刊栏目：17

分类号：TP183(自动化基础理论)

在线出版日期：2009-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：449-451