共查询到18条相似文献,搜索用时 93 毫秒
1.
2.
针对RH工序终点钢水温度预测问题, 提出一种基于多元线性回归和遗传算法改进的集成案例推理方法.首先, 针对一般案例推理方法中缺少影响因素精选方法的问题, 利用多元线性回归进行属性约简;然后, 针对案例检索中相似度计算缺少权重计算方法的问题, 利用遗传算法进行权重优化;最后, 基于精简的影响因素和优化的权重, 利用改进灰色关联相似度进行案例检索, 实现RH终点钢水温度预测.利用某钢铁企业RH工序实际生产数据分别对多元线性回归、BP神经网络、一般案例推理方法和集成案例推理方法进行测试, 结果表明, 集成案例推理方法在多个温度区间比多元线性回归、BP神经网络和一般案例推理方法都有更高的预测精度. 相似文献
3.
4.
以多元回归模型作为CAS过程的预测模型,实现了对CAS处理终点温度的预测。在建模中,对影响CAS终点温度的主要因素进行了分析和探讨,为生产合格钢水及CAS的动态控制提供了理论依据。本模型能较好地预测CAS终点的钢水温度,预测误差在±5℃、±10℃以内的正确率分别为85%和92%。 相似文献
5.
转炉钢水温度是转炉终点控制的工艺参数之一,精确的钢水温度预测对转炉终点控制具有重要的指导意义。然而,以往的大多数转炉终点预测模型属于静态模型,只能够实现对转炉吹炼终点钢水温度的预测,无法实现动态预测,导致模型的作用有限。针对该问题,提出了一种基于数据驱动的转炉二吹阶段钢水温度动态预测模型。模型先通过新案例主吹阶段的工艺参数,基于案例推理算法找到历史案例库中相似案例。再利用相似案例的二吹阶段工艺参数并基于长短期记忆网络(Long short-term memory,LSTM)算法训练工艺参数与钢水温度的变化关系。然后利用训练好的LSTM模型,计算新案例二吹阶段的钢水温度变化。最后,利用某钢厂实际生产数据,研究了不同重用案例个数及神经元个数对模型预测精度的影响,实验结果表明:模型在重用案例个数为4,神经元个数为10时模型的预测精度最高,此时模型对钢水温度的预测误差在[?5 ℃, 5 ℃]、[?10 ℃,10 ℃]和[?15 ℃,15 ℃]的命中率分别达到40.33%、68.92%和88.33%,模型的性能高于传统二次方模型和三次方模型。 相似文献
6.
8.
9.
10.
11.
12.
13.
14.
采用多元回归分析建立了60t中间包内钢水温度的预测模型.对中间包内预测温度统计分析结果表明,该模型的钢水温度预测值与实测值非常吻合. 相似文献
15.
16.
17.