基于PSO-BP神经网络的转炉终点磷含量预测模型

摘要：

通过脱磷热力学并结合灰色关联理论系统研究了转炉终点磷含量的影响因素,筛选出终点磷含量预测模型的最佳输入维度,建立BP神经网络模型和粒子群算法(Particle Swarm Optimization)优化BP神经网络模型(PSO-BP).基于国内某钢厂生产的 70 号钢种 200 组实际生产数据的训练和预测,获得结论如下:PSO-BP模型的误差范围更小,命中率更高,转炉终点磷质量分数预测平均相对误差为3.55%,绝对误差在0.0002%以内的命中率为30%,误差在0.0004%以内的命中率为60%,误差在0.0008%以内的命中率达到80%.对钢铁企业实际生产中转炉终点磷含量的控制及预测具有较高的指导意义.

关键词：磷含量、粒子群算法、灰色关联分析、BP神经网络

所属期刊栏目：39

分类号：TF704.4(炼钢)

在线出版日期：2023-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：27-32