基于灰色关联分析和超限学习机的高炉铁水硅含量预测

摘要：

炉温的实时预测技术对高炉生产稳定顺行具有重要意义,在高炉炼铁过程中,通常间接用铁水硅含量的变化来表示高炉炉温的变化.针对硅含量预测效率和精度不足的问题,建立了铁水硅含量预测模型.以现场数据为样本数据,采用灰色关联分析(grey correlation analysis,GCA)获得与硅含量相关度较高的生产指标,以相关指标为输入、硅含量为输出,构建超限学习机(extreme learning machine,ELM)算法模型,对模型进行训练.现场数据计算表明,该模型的预报命中率达87％(误差不小于0.10),实现了高炉铁水硅含量的准确预报.

关键词：高炉、铁水硅含量、算法模型、灰色关联分析、超限学习机

所属期刊栏目：46

分类号：S;TP311;R338.1

资助基金：河北省自然科学基金资助项目E2012209025

在线出版日期：2022-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：54-62