高炉铁水中的硫含量是描述铁水质量的一个重要指标.为了在出铁之前了解铁水中硫含量的高低,建立预测模型是必要的.本文利用遗传算法(GA)和BP神经网络构造了高炉铁水硫含量的预测分析模型,从某高炉选取117组数据进行学习和预测.运行结果表明,模型预测精度较高,当要求绝对误差为±3×10-6时,命中率可达61.54%;绝对误差为±4×10-6时,命中率可达84.69%.在此基础上,应用该模型回归分析了高炉风量、热风压力、富氧量、铁间料批数与铁水硫含量之间的相关关系,结果与高炉冶炼理论基本吻合,可为高炉生产提供一定的指导.
参考文献
| [1] | 徐雅娜,许桂清,周建常.神经网络在高炉铁水含硫量预报中的应用[J].基础自动化,2001(06):10-11,55. |
| [2] | 李家新,周莉英,唐成润.神经网络在梅山高炉铁水硅含量预报中的应用[J].钢铁,2001(05):14-16. |
| [3] | 张军红,谢安国,沈峰满,谢民仰.烧结矿质量预测中神经网络的结构优化[J].钢铁,2003(04):6-8. |
| [4] | 晏建军;何永保 .利用遗传算法简化神经网络结构[J].计算机工程,1995,21(05):57-61. |
| [5] | 刘洪霖;包宏.化工冶金过程人工智能优化[M].北京:冶金工业出版社,2001 |
| [6] | 周金萍;王冉;吴斌.MATLAB6实践与提高[M].北京:中国电力出版社,2001 |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%