基于Kmeans–BP神经网络的KR工序终点铁水硫含量预测模型

作者：冯凯; 贺东风; 徐安军; 赵宏博; 林时敬

来源：工程科学学报, 2023, 45(07): 1187-1193.

DOI：10.13374/j.issn2095-9389.2022.05.29.004

• KR
• 硫含量
• 预测
• Kmeans聚类
• BP神经网络
• 脱硫反应动力学

针对KR工序终点铁水硫含量预测问题，提出一种基于Kmeans聚类分析和BP神经网络（BPNN）相结合的建模方法.首先，通过Kmeans聚类对KR工序生产数据进行模式识别和分类，构建不同工况特征的数据集；然后，基于BP神经网络，针对不同数据集训练预测模型；最后，将不同数据集的预测模型进行集成，形成最终的终点铁水硫含量预测模型，实现对不同铁水条件和工况条件的预测.利用某钢铁企业实际生产数据，分别用基于脱硫反应动力学、 BP神经网络和Kmeans–BPNN方法建立的预测模型，对KR工序终点铁水硫含量进行预测.结果表明，Kmeans–BPNN的KR工序终点硫含量预测模型的精度显著高于脱硫反应动力学和BP神经网络的预测模型.

• 单位
  北京科技大学; 冶金自动化研究设计院