基于时间序列的神经网络高炉炉温预测.pdfVIP

第39卷 第5期 冶 金 自 动 化 Vo1．39No．5．p15—21 2015年 9月 MetallurgicalIndustryAutomation September2015 · 人工智能技术应用 · doi：10．3969／j．issn．1000—7059．2015．05．003 基于时间序列的神经网络高炉炉温预测 崔桂梅，蒋召国，詹万鹏，顾婧弘 (内蒙古科技大学信息工程学院，内蒙古 包头 014010) 摘要：稳定的炉温是保证高炉顺行、提高生铢质曩和实现节能降耗的必要条件。针对高炉炉温与铁水硅质量 分数及铁水温度之间存在的相 关系，利用某钢铁厂高炉的在线生产数据，构建一种双输出神经网络炉温预 测模型，同时预测铁水硅质量分数和铁水温度，以便更加全面地预测炉温；同时，深入研究炉温时间序列对该 模型性能的影响，确定较好的时间序列，建立基于时间序列的炉温预测模型。仿真结果表明，模型预测精度 大大提高，可为高炉操作人员决策提供可靠依据。 关键词：高炉；铁水温度 ；硅质量分数；炉温预测；神经网络；时间序列 文献标志码：A 文章编号：1000—7059(2015)05-0015-07 Prediction ofblastfurnacetemperatureusing neuralnetwork basedon timeseries CUIGui—mei，JIANGZhao—guo，ZHAN Wan-peng，GU Jing·hong (CollegeofInformationEngineering，InnerMongoliaUniversityofScienceandTechnology，Baotou014010，China) Abstract：Astableblastfurnace(BF)temperatureistheessentialconditiontoguaranteethesmooth operationoftheblastfurnace，improvethequalityofeastironandrealizeenergy—savingandcost—re— ducing．AccordingtotherelationshipbetweentheBFtemperatureandthesiliconcontentofhotmetal aswellasthetemperatureofhotmetal，aBF temperaturepredictionmodelbasedondouble-output neuralnetworkisconstructedbyusingtheonlineproductiondataofaBF inacertainironandsteel plant，andthesiliconcontentofhotmetalandthehotmetaltemperaturearepredictedatthesame timetopredicttheBFtemperaturemorecomprehensively．Then，theeffectofthefurnacetemperature timeseriesonthemodelisstudieddeeplytofindabettertimeseriesandconstructamodelbasedon thetimeseries．Thesimulation resultsshow thattheprediction accuracyofthemodelisimproved greatly，whichcanprovideareliablebasisfortheBFoperatorstomakedecision． Keywords：blastfurnace；hotmetaltemperature；siliconcontent；BFtemperaturepre