| 基于粗糙集理论与神经网络的铁水硅含量预测 |
| |
| 引用本文： | 尹林子,李乐,蒋朝辉. 基于粗糙集理论与神经网络的铁水硅含量预测[J]. 钢铁研究学报, 2019, 31(8): 689-695. DOI: DOI:10.13228/j.boyuan.issn1001-0963.20190010 |
| |
| 作者姓名： | 尹林子 李乐 蒋朝辉 |
| |
| 作者单位： | 中南大学物理与电子学院,湖南长沙,410012;中南大学信息与工程学院,湖南长沙,410083 |
| |
| 基金项目： | 国家自然科学基金;国家自然科学基金;中南大学研究生创新资助项目 |
| |
| 摘 要： | 摘要：高炉铁水硅含量预测对调控炉温和稳定炉况具有重要作用。基于粗糙集理论与神经网络模型对铁水硅含量进行预测。采用粗糙集理论对输入参数进行约简，得到优化的输入集，结合BP(back propagation)神经网络实现高炉硅含量的预测。同时，针对炉况波动较大情况下神经网络模型预测误差大的问题，建立波动知识库，利用kNN(k Nearest Neighbor)算法匹配识别波动炉况，对预测结果进行补偿。以国内某钢铁厂实际高炉生产数据进行验证，该方法在预测误差为±0.1％以内时预测命中率达到91.74％，可为高炉操作者判断炉况提供参考。
|
| 关 键 词： | 预测 铁水硅含量 粗糙集 神经网络 kNN |
Prediction of silicon content in hot metal using neural network and rough set theory |
| |
| YIN Lin-zi,LI Le,JIANG Zhao-hui. Prediction of silicon content in hot metal using neural network and rough set theory[J]. Journal of Iron and Steel Research, 2019, 31(8): 689-695. DOI: DOI:10.13228/j.boyuan.issn1001-0963.20190010 |
| |
| Authors: | YIN Lin-zi LI Le JIANG Zhao-hui |
| |
| Affiliation: | 1.School of Physics and Electronics, Central South University, Changsha 410012, Hunan, China； |
| |
| Abstract: | 2. School of Information Science and Engineering, Central South University, Changsha 410083, Hunan, China |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《钢铁研究学报》浏览原始摘要信息 |
|
点击此处可从《钢铁研究学报》下载全文 |
|
