基于Kmeans–BP神经网络的KR工序终点铁水硫含量预测模型

针对KR工序终点铁水硫含量预测问题，提出一种基于Kmeans聚类分析和BP神经网络（BPNN）相结合的建模方法。首先，通过Kmeans聚类对KR工序生产数据进行模式识别和分类，构建不同工况特征的数据集；然后，基于BP神经网络，针对不同数据集训练预测模型；最后，将不同数据集的预测模型进行集成，形成最终的终点铁水硫含量预测模型，实现对不同铁水条件和工况条件的预测。利用某钢铁企业实际生产数据，分别用基于脱硫反应动力学、BP神经网络和Kmeans–BPNN方法建立的预测模型，对KR工序终点铁水硫含量进行预测。结果表明，Kmeans–BPNN的KR工序终点硫含量预测模型的精度显著高于脱硫反应动力学和BP神经网络的预测模型。