基于物料模型的GMDH神经网络LF终点温度预测
针对LF冶炼终点温度影响因素的复杂性,提出以自组织数据挖掘原理为核心的GMDH神经网络对钢水终点温度进行预测,±5℃内误差的命中率为78.31%,±7.5℃内误差的命中率为92.77%;建立物料的热效应模型,通过不同物料加入钢水中的热效应计算,将LF精炼过程中加入的物料折算为一个输入因素,改进的GMDH神经网络对钢水温度预测,±5℃内误差的命中率为88.72%,±7.5℃内误差的命中率为98.44%,基于物料模型的GMDH神经网络不仅在命中率上有显著提高,而且对冶炼多钢种导致的物料结构改变有更好的适应能力.
物料模型、GMDH神经网络、钢水温度、LF
29
TF796.2(炼钢)
"十一五"国家科技支撑计划重大项目2006BAE03A07;中央高校基本科研业务费FRF-TP-12-086A
2013-05-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
38-41