基于LM算法BP神经网络的高炉-转炉界面铁水温度预报模型
来源期刊：钢铁2012年第9期
论文作者：任彦军 王家伟 张晓兵 赵浩文
文章页码：40 - 91
关键词：温度;BP神经网络;LM算法;预报模型;
摘 要：通过研究高炉-转炉界面铁水运输过程温度的主要影响因素,确定了影响高炉-转炉界面铁水运输过程温度的参数,建立了基于Levenberg-Marquardt（LM）算法BP神经网络的高炉-转炉界面铁水温度及铁水过程温降的预报模型。用沙钢100包铁水数据进行模型训练,50包铁水数据进行现场预报,结果表明:在高炉-转炉界面"一包到底"模式下,当绝对误差│X│≤20℃时,铁水温度命中率为94%,铁水温降命中率为78%;当绝对误差│X│≤40℃时,铁水温度命中率为100%,铁水温降命中率为92%,该预报模型能够满足现场实际生产需求,对炼钢生产有很好的指导意义。
任彦军1,2，王家伟1，张晓兵2，赵浩文1
1. 贵州大学材料与冶金学院2. 江苏沙钢集团有限公司
摘 要：通过研究高炉-转炉界面铁水运输过程温度的主要影响因素,确定了影响高炉-转炉界面铁水运输过程温度的参数,建立了基于Levenberg-Marquardt（LM）算法BP神经网络的高炉-转炉界面铁水温度及铁水过程温降的预报模型。用沙钢100包铁水数据进行模型训练,50包铁水数据进行现场预报,结果表明:在高炉-转炉界面"一包到底"模式下,当绝对误差│X│≤20℃时,铁水温度命中率为94%,铁水温降命中率为78%;当绝对误差│X│≤40℃时,铁水温度命中率为100%,铁水温降命中率为92%,该预报模型能够满足现场实际生产需求,对炼钢生产有很好的指导意义。
关键词：温度;BP神经网络;LM算法;预报模型;
