基于物料模型的GMDH神经网络LF终点温度预测 |
| |
引用本文: | 冯凯,汪红兵,徐安军,贺东风,田乃媛.基于物料模型的GMDH神经网络LF终点温度预测[J].炼钢,2013,29(2). |
| |
作者姓名: | 冯凯 汪红兵 徐安军 贺东风 田乃媛 |
| |
作者单位: | 1. 北京科技大学冶金与生态工程学院,北京100083;北京科技大学高效钢铁冶金国家重点实验室,北京100083 2. 北京科技大学计算机与通信工程学院,北京,100083 |
| |
基金项目: | "十一五"国家科技支撑计划重大项目,中央高校基本科研业务费 |
| |
摘 要: | 针对LF冶炼终点温度影响因素的复杂性,提出以自组织数据挖掘原理为核心的GMDH神经网络对钢水终点温度进行预测,±5℃内误差的命中率为78.31%,±7.5℃内误差的命中率为92.77%;建立物料的热效应模型,通过不同物料加入钢水中的热效应计算,将LF精炼过程中加入的物料折算为一个输入因素,改进的GMDH神经网络对钢水温度预测,±5℃内误差的命中率为88.72%,±7.5℃内误差的命中率为98.44%,基于物料模型的GMDH神经网络不仅在命中率上有显著提高,而且对冶炼多钢种导致的物料结构改变有更好的适应能力.
|
关 键 词: | 物料模型 GMDH神经网络 钢水温度 LF |
LF end-point temperature prediction of molten steel by GMDH neural network based on material model |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|