共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
烧结过程中FeO含量是影响烧结矿性能的重要参考指标。对FeO含量变化进行实时观测和监视,可以减少烧结能耗,改善烧结效果。针对目前企业实时观测FeO含量手段较为单一的情况,研究了基于双向长短时记忆网络模型(bi-directional long short-term memory, BiLSTM)的烧结矿FeO含量预测模型。数据来源为攀钢六型烧结机2021年部分工艺数据,经过滤、提优等数据处理后,选取BiLSTM神经网络进行训练、调参,与企业现场烧结工艺相结合,提高了模型预测的准确率,基本实现了烧结矿FeO的预测。测试结果表明,在企业误差允许的范围内,准确率达90.2%,因此可以给予企业内烧结矿生产有效意见。 相似文献
3.
4.
影响烧结矿FeO含量的因素较多且FeO含量与各因素间呈现非线性关系,预测难度较大。针对烧结矿FeO含量难以直接预测的问题,提出一种Dropout算法与Adam算法和四层BP神经网络相融合的烧结矿FeO含量预测模型。为提高烧结矿FeO含量的预测准确率,结合烧结工艺,选取与烧结矿FeO含量强相关性的烧结机尾断面热成像关键帧的温度特征作为模型的参数输入。利用Dropout算法改善四层BP神经网络结构,Adam算法优化四层BP神经网络的训练过程,进而提高模型的预测精度和泛化能力。试验表明,改进的模型预测烧结矿FeO含量误差值在±0.5、±0.8和±1.0时,命中率分别达到77.42%、88.71%和96.77%。与三层BP神经网络预测模型和支持向量机回归(support vector regression, SVR)模型相比,该模型的误差更小,同时预测精度也得到显著提升。 相似文献
5.
6.
论述了品位系数在预测烧结矿品位方面的作用,确立了目前唐钢烧结原料配比条件下的适宜的烧结矿品位系数,并运用于生产实践。 相似文献
7.
8.
为了给高炉提供合格的烧结矿,提出基于烧结生产线各个环节的大量数据,将XGBoost算法、因子相关分析与深度学习算法相结合的大数据技术对烧结矿小于10 mm粒级含量进行预测。首先,对烧结厂数据库的数据进行搜集、整合和预处理;其次,进行因子分析,筛选出适合建模的14个相关变量并进行变量之间的相关性分析;最后,建立深度神经网络算法模型。通过测试并与传统算法模型进行性能比较,结果表明,模型预测效果很好,达到了精确预测烧结矿小于10 mm粒级含量的目的,对烧结实际生产具有很好的指导意义。 相似文献
9.
用BP网络模型对烧结矿质量预测 总被引:3,自引:0,他引:3
针对烧结这一的物理、化学反应过程的纯滞后特别大的特点,采用BP网络对其烧结矿的质量进行预测。仿真结果表明,该学习算法是很有效的。 相似文献
10.
人工神经网络在烧结矿指标预测中的应用 总被引:2,自引:2,他引:0
应用误差反向传播方式建立了烧结矿性能指标预测的神经网络模型,并用实际烧结生产数据对模型进行了训练,训练后的模型可以对烧结过程进行分析,并可对烧结矿的FeO含量和烧结矿转鼓指数进行预测。 相似文献
11.
应用人工神经网络的理论和方法建立了某厂铝箔轧机的轧制压力模型。所用数据全部取自现场,采用B-P学习算法,为轧制压力建模探索了一种新的途径。 相似文献
12.
13.
棒线材连轧过程有耗优化设计 总被引:2,自引:0,他引:2
通过引入孔型尺寸计算模型等方法,建立棒线材连轧过程能耗优化问题的数学模型及其优化系统。该模型具有数学上的连续性,能够反映棒线材连轧机组中各参数的连续变化过程,并可采用解析法对其进行寻优计算。优化系统具有较高的计算效率,且计算结果稳定可靠。 相似文献
14.
15.
铁矿石的价值评价与线性规划优化配料 总被引:3,自引:1,他引:2
针对攀钢烧结使用的原料品种越来越多,采用单烧方法计算了处种铁矿石单烧状态下的烧结矿品位、吨度价格,并以此作为评价铁矿石价值及矿石采购的重要依据。文章还利用基于目标规划模型对攀钢烧结原料进行优化配料,其原料成本明显低于经验配料法,具有显著的经济效益。 相似文献
16.
从介绍宝钢、安钢等钢铁企业典型销售渠道模式入手,对各类销售渠道及其激励措施进行了深入分析,指出:钢铁企业的销售渠道、策略应根据主客观形势的发展而变化,在不同销售区域所采取的渠道策略及其配套激励措施也应有所不同,既要保持相对稳定性,又要随销售形势的发展及时修订,依靠销售政策创造企业自身特色的营销模式。 相似文献
18.
19.
20.
分析了邯钢一炼钢厂LF精炼炉电极消耗居高不下的原因,通过采取有效措施使LF炉电极消耗明显下降,取得了较好效果. 相似文献