科研之友
微信
新浪微博
Facebook
分享链接
摘要
转炉终点锰含量直接影响着转炉出钢过程中的锰合金加入量，为了实现锰合金的精确加入从而降低合金成本，需要对转炉终点锰含量进行精确预测。前人的研究多着重于改进算法从而提高神经网络的预测精度，却忽视了对数据集进行有效的分类从而提升模型的适用性。本文综合使用BP神经网络对850炉钢筋用钢的生产数据进行聚类和预测，提出了一种可以有效提升模型预测精度和适用范围的方法，通过使用BP神经网络对生产数据进行聚类，并且得到了与每类数据相匹配的神经网络。这些神经网络对于相应预测范围内的数据命中率均在90%以上。随后将这些数据合并用BP神经网络预测，将预测值与两个神经网络相比较，取与之相近的预测数值。这种方法有效地提升了神经网络的预测精度，对于任选的60炉数据，这种方法的平均预测误差为0.007 844,低于直接使用神经网络对转炉终点锰含量进行预测的误差0.010 349。采用该方法后模型的预测精度与适用范围均有了很大的提升，为实现转炉合金加入量的精确控制以及合金减量工作提供了依据。
-
单位钢铁冶金新技术国家重点实验室; 北京科技大学
