基于GRNN-SA的重构钢渣最佳配方优化模型

考虑到钢渣化学成分的波动性,为解决钢渣重构在配料时所涉及的复杂运算问题,以钢渣、生石灰、粉煤灰、氟化钙(CaF_2)的化学成分作为输入变量,活性指数作为输出变量,构建广义回归神经网络(GRNN)模型,并采用模拟退火算法(SA)进行优化计算,建立基于GRNN-SA的重构钢渣最佳配方优化模型。通过实证分析得出,该模型能够实现重构配料过程的智能化计算,而且具有普适性,对不同来源的钢渣均有指导意义,对钢渣重构的试验结果也有一定的预测效果,实际活性指数值与预测值相对误差在5%以下,模拟准确性较高。