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。