神经网络在高炉铁水硫含量预报中的应用

作者：王炜; 陈畏林; 叶勇; 徐智慧; 贾斌

来源：钢铁, 2006, (10): 19-22.

DOI：10.13228/j.boyuan.issn0449-749x.2006.10.004

• 硫含量
• 预报
• 神经网络
• 高炉 sulphur content
• prediction
• neural network
• blast furnace

采用3层BP神经网络来预报高炉铁水硫含量,根据高炉冶炼的实际生产数据,选取风温、风量、炉顶温度、焦炭负荷、喷煤量、矿石硫含量、焦炭硫含量、煤粉硫含量和上一炉铁水硅含量9个因素作为输入变量,为提高神经网络预报的准确率,对输入参数进行时滞处理。采取附加动量项和自适应学习步长的措施,解决了BP神经网络局部收敛和学习时间过长的问题。模型预报结果表明:当允许绝对误差不大于0.001时,预报命中率为70.7%;当允许绝对误差不大于0.005时,命中率为90%,证明了模型的有效性。

• 单位
  武汉钢铁（集团）公司; 武汉钢铁(集团)公司; 武汉钢铁集团公司; 武汉科技大学