基于自编码-反向传播神经网络的LF钢水硫含量预测

作者：马亮; 王梦伟; 彭开香^*

来源：冶金自动化, 2023, 47(06): 15-20.

• LF
• 钢水硫含量
• 预测
• AE-BPNN
• 特征提取
• 数据建模

钢包精炼炉(ladle furnace, LF)钢水硫含量预测对于精炼成品钢水成分的精准控制和产品质量的提升具有重要意义。针对LF机理复杂、多变量、非线性等特点，提出了一种基于自编码-反向传播神经网络(autoencoder-back propagation neural network, AE-BPNN)的LF钢水硫含量预测方法。首先，通过AE网络对数据降维和特征提取，消除噪声和缺失值的影响；然后，利用BPNN预测钢水硫含量。通过现场实际数据验证表明，所提出方法的均方根误差ERMS(root mean square error, RMSE)达1.403,平均绝对误差EMA(mean absolute error, MAE)达1.083,相关系数R2达0.824,具有良好的预测性能。

• 单位
  北京科技大学; 自动化学院