基于灰色关联分析和超限学习机的高炉铁水硅含量预测 |
| |
引用本文: | 崔博,陈伟,王宝祥,武鹏飞,陈颖.基于灰色关联分析和超限学习机的高炉铁水硅含量预测[J].冶金自动化,2022(1):54-62. |
| |
作者姓名: | 崔博 陈伟 王宝祥 武鹏飞 陈颖 |
| |
作者单位: | 1. 华北理工大学人工智能学院;2. 华北理工大学冶金与能源学院;3. 河北省高品质钢连铸工程技术研究中心 |
| |
基金项目: | 河北省自然科学基金资助项目(E2012209025); |
| |
摘 要: | 炉温的实时预测技术对高炉生产稳定顺行具有重要意义,在高炉炼铁过程中,通常间接用铁水硅含量的变化来表示高炉炉温的变化。针对硅含量预测效率和精度不足的问题,建立了铁水硅含量预测模型。以现场数据为样本数据,采用灰色关联分析(grey correlation analysis, GCA)获得与硅含量相关度较高的生产指标,以相关指标为输入、硅含量为输出,构建超限学习机(extreme learning machine, ELM)算法模型,对模型进行训练。现场数据计算表明,该模型的预报命中率达87%(误差不小于0.10),实现了高炉铁水硅含量的准确预报。
|
关 键 词: | 高炉 铁水硅含量 算法模型 灰色关联分析 超限学习机 |
|
|