具有自适应残差补偿的神经网络预报模型设计与应用

在对样本数据进行预处理的基础上，建立一个具有自适应残差补偿的改进BP神经网络动态预报模型，并对神经网络的学习参数进行自适应调整。将该模型应用于铜锍吹炼过程所需的氧气量进行预报。仿真结果表明，预报最大相对误差为3．97％，最小相对误差可以达到0．1l％。该模型已应用于实际生产，具有精确度高、实用的优点。