MATLAB神经网络模型预测钢铁企业氧气用量.pdfVIP

MATLAB神经网络模型预测钢铁企业氧气用量 胡云芝，张延平，胡 帅 (首钢技术研究院，北京市100041) 摘要：基于某钢厂的生产实时数据，运用BP人工神经网络算法建立数学模型，在MATLAB环境下开发了可反 映各种不确定因素影响波动的情况下钢铁企业氧气用量的预测模型，预测值与实际值的相对误差最大为1．66％，最 小仅为0．00l％，所建模型具有较好的预测效果，并且整个计算过程没有出现振荡，收敛速度很快，可为实际生产中 提供依据。 关键词：神经网络；MArn．AB；预测 Pretest血c forhDnand MAⅡ。ABNeuml枞 O础啪Dosage Steel岫By也e Mo‘lel Hu Shuai Y皿i，压angYanping，Hu Tcchll砌Research (Shou—G龃g ms咖tc，Beij咄100041) me Abs血随ct：baseon realtimedataofasteel tlleBP枷6cialneuralnetwork found pl蚰t；叩ply algoriⅡ蚰and mamematicalmodel．hlconditionofMAlrI。AB锄da modelof andsteel caIlrenect exploitpretest oxyg％ill的n indIls缸y on relativeen．orbe觚een aIldact阻lvalue1．66％ma】【锄d0．001％ V撕e够situationuIlcenailllywn，)，factor．The predictor 蛐a nooscillation锄d rate iIl fast only，and conve唱ence coun缸gpmcessing． K吖wofds：neuralnetwork；MATLAB；preteSt 1前言 层、隐含层和输出层构成，各层的神经元数目不同，由正向 钢铁企业根据氧气预测量可以合理决策每台机组的最 传播和反向传播组成。对钢铁企业氧气用量进行预测时，输 佳运行情况，对负荷可调的机组进行产量调节，合理安排检 入层输入的是历史时间序列的影响氧气用量的各因素，经 修计划，从而降低氧气的放散率，达到节能减排的目标。国 隐含层处理后传入输出层。其输出值Y即为预测时间的氧 内外能源消耗量的预测方法主要有时间序列预测法、因果 气用量。如果输出层得不到期望的输出结果，则进行误差的 关系预测法、能源消费弹性系数预测法和神经网络预测法。 反向传播阶段，误差信号沿原来的连接通路返回，网络根据 本文采用神经网络预测法。由于神经网络的学习能力以及 反向传播的误差信号修改各层的连接权，使误差信号最小。 通过学习能够掌握数据之间的复杂的依从关系．具有较好 的样本非线性拟合功能。因此它与前三种预测方法相比，预 测的精度较高，预测结果的可靠性较大。 以 2神经网络原理及结构 yI 目前应用最广泛的神经网络是BP神经网络，它的学习 规则是通过反向传播(BP)来调整网络的权值和阈值使网络 误差的