松原市粮食产量预报方法初探

通过对松原市粮食产量资料分析得出,玉米和水稻分别占总粮食产量的74.13%和12.43%,其他作物占产量的13.44%.采用等权重不同间距滑动平均得到的气象产量序列.间接反映出了因气象奈件优劣造成的丰歉年景.由18个因子筛选组建的玉米产量预报方程验证结果,平均绝对误差仅0.08,平均相对误差<1%.另外,单独组建的其他粮产预报方程,复相关系数均通过0.001信度水准检验.     

事件和数据融合的加热炉煤气消耗量预测方法

为了解决加热炉煤气消耗量无法精准预测的问题,提出了融合事件和数据的加热炉煤气消耗量预测方法.根据操作事件将加热炉的运行状态分为正常运行、停炉检修和待料运行,以各运行状态下差分自回归移动平均模型(ARIMA)和人工神经网络模型(ANN)的预测性能为基础,结合生产大数据对加热炉煤气消耗量进行混合预测.结果表明:混合预测模型的预测性能好,滞后性小;混合预测模型的平均绝对误差为1542.45 m3/min,平均相对误差为0.0654,对称平均绝对误差为0.0665,与使用单纯的ARIMA模型和ANN模型相比,混合预测模型精度更高.     

CVC工作辊非对称磨损分析与预报模型建立

 CVC辊形以其较强的凸度控制能力在热连轧中有着广泛的应用,但是CVC辊形不具有均匀磨损的能力,其磨损往往比较严重,且呈现出非对称性。针对该特点提出CVC工作辊非对称磨损的表征方法,利用该方法对某1 800 mm CSP生产线下游机架CVC工作辊非对称磨损情况进行分析。统计结果表明,下游机架工作辊磨损多为非对称形式,并与CVC辊形呈现出一定的对应性。在此基础上,提出辊径对整体磨损影响系数及辊径对轧制力影响系数2个新的磨损模型参数,并建立针对CVC轧辊的非对称磨损预报模型,利用遗传算法对模型参数进行优化,并利用实测数据进行验证,改进后磨损模型精度比常规磨损模型精度平均提高了约35%。     

结合模型自适应的神经元网络在中厚板轧机轧制力预报中的运用

在中厚板生产过程中,用传统轧制力模型预报中厚板轧机轧制力时存在着较大的误差.为了提高中厚板轧机轧制力的预报精度,采用轧制力模型自适应与人工神经元网络相结合的方法进行中厚板轧制力的在线预报.应用结果表明,采用本方法预报轧制力时精度优于传统的数学模型,相对误差可以控制在±3%以内.     

基于多模态和加权支持向量机的热轧轧制力智能预报

为了提高热轧生产过程精轧机组的轧制力预设定精度,需要对轧制力进行高精度的预报.本文通过机理公式计算出轧制力的近似值,然后采集大量的实际生产数据修正轧制力预报值.首先利用聚类方法区分不同的生产状态,其次在相同生产状态下采用加权最小二乘支持向量机计算轧制力的修正系数,最后采用乘法方式修正轧制力,达到高精度的轧制力预测.结果表明,轧制力预报的平均相对误差为3.2%,满足现场的生产要求.      

基于自适应模糊神经网络的铜闪速熔炼渣含Fe/SiO2模型研究

基于Sugeno型自适应模糊神经网络系统(ANFIS)及利用某闪速炼铜厂生产实践的稳定数据,建立了网络结构为3输入、单输出、隶属度函数个数为[5 3 5]的闪速炼铜过程的渣含Fe/SiO2模型.结果显示其训练数据平均绝对误差为0.0055,相对误差为1.4%;仿真检验数据平均绝对误差为0.028,相对误差为2.9%,表...     

基于混合遗传算法的电弧炉终点目标温度预报模型

BP (Baek Propagation)算法和遗传算法相结合的混合训练方法步骤为:首先用遗传算法定位出一个较好的搜索空间,然后采用BP算法在这个小的解空间中搜索出最优解。分别用遗传算法和混合遗传算法训练100 t电弧炉终点温度神经网络预报模型。仿真结果表明:混合遗传算法有更快的收敛速度和更高的预报命中率。当目标温度的精度范围为±2℃、±4℃、±6℃和±8℃时,BP算法的温度命中率分别为75%、82%、86%和92%,混合遗传算法的温度命中率分别为80%、88%、90%和96%。     

BP神经网络和弹跳方程在铝热连轧厚度预报中的综合应用

采用BP神经网络方法建立了铝热连轧精轧机组出口厚度预测模型,采用试错法解决了中间隐层最佳隐层单元数的问题,采用回归法确定了轧机的相关弹性系数,建立了轧机的弹跳方程数学模型。通过比较有、无传统弹跳方程数学模型输入的神经网络厚度预测模型,确定了弹跳方程对神经网络在热连轧厚度预报应用中的重要性,提出了BP神经网络与数学模型相结合的综合网络方法。相比全部使用整体神经网络,中间隐层最佳隐层单元数减小,网络结构得以简化,网络负担减小,网络的泛化能力也得到加强,同时也进一步提高了预报精度。预测结果与实测数据对比表明,相对误差在1％以内,实现了高精度预报,为铝热连轧出口厚度预报提供了一条准确高效的新途径。     

高炉煤气平均停留时间的模拟及讨论

为了探究高炉煤气分布的规律,本研究在考虑料层分布的前提下使用三维高炉数学模型计算了煤气的平均停留时间.结果表明,料层分布对煤气流场影响明显,煤气平均停留时间和鼓风速度存在比较明显的线性关系.特别是对于1 850 m~3的高炉在200 m/s的鼓风速度下,模型求得煤气平均停留时间约为6 s.此外,从几何相似的角度分析了几何模型的选择对模拟煤气平均停留时间的影响,得出了三维几何模型应为模拟煤气平均停留时间最优几何的结论.     

基于自适应模糊神经网络的铜闪速熔炼渣含Fe/SiO_2模型研究

基于Sugeno型自适应模糊神经网络系统（ANFIS）及利用某闪速炼铜厂生产实践的稳定数据,建立了网络结构为3输入、单输出、隶属度函数个数为[5 3 5]的闪速炼铜过程的渣含Fe/SiO2模型.结果显示其训练数据平均绝对误差为0.0055,相对误差为1.4%;仿真检验数据平均绝对误差为0.028,相对误差为2.9%,表明所建立的模型预测值与生产操作数据基本吻合,该模型对铜熔炼过程的最优化具有参考价值,可以代替现有的静态配料模型用于工业在线计算机控制.