神经网络在梅山高炉铁水硅含量预报中的应用.pdfVIP

维普资讯 第 36眷 第 5期 钢 铁 Vo1．36，No．5 200 1年 5闩 IRON AND STEEL May 2001 神经网络在梅山高炉铁水硅含量预报中的应用 李家新 周莉英 唐成润 (安微工业大学) (上海梅山冶金集团公司) 摘 要 对高炉铁水硅吉量预报的统计模型、神经网络模型和神经网络方法加统计方法的综合模型三种预 报模型作了对比，结果表明：用神经嗣络方法和统计模型综合预报的效果较好，离线模型预报结果士0．1命中 率达到86．67％，为高炉铁水硅吉量预报引入神经网络方法的实现提供了实例。 关键词 高炉 硅含量 预报 神经网络 统计模型 NEURAL NETW ORKSUSED TO PREDICT SiCoNTENT oN M EISHAN BLASlTFURNACE LIJiaxin ZHOU Liying (AnhuiPolytechnicalUniversity) TANG Chengrun (ShanghaiMelshanMetallurgyGroupCo．) ABSTRACT A kindofcomprehensivemodelbasedonneuralnetworksandstatisticsmodels hasbeencomparedwiththestatisticsmodelandtheneuralne(worksmode1Theresults show thatthecomprehensivemodelperformsbest，theaccuracyof士0 1aimsat86．67 ． It’SagoodapplicationofneuralnetworkstopredictSicontentofhotmeta1． KEY W ORDS blastfurnace，sicontent，prediction，neuralnetworks，statisticsmodel 1 前言 试算 ，将网络结构定义如下：①输入层神经元，风温、 冶金工作者们提出了各种高炉铁水硅含量预报 风量、透气性、料速、炉顶温度、炉热指数、喷煤的变 模型来判断高炉 内铁水硅水平的高低，以对炉况能 化量 (这些变量均为时序分析后根据相应提前时间 提前了解和掌握，使高炉稳定、顺行、高产。神经网络 取出的值 )；②输出层神经元：铁水硅成分变化量， 技术在冶金领域也得到了一定的应用 ，本文将神 隐含层神经元数 目为11；步长rt=O．5，权值收敛因 经网络技术与统计方法相结合应用于高炉铁水硅含 子 一0．000001，误差收敛因子 ．9—0．I，学习样本 量预报 ，提高铁水硅含量预报的命中率。并且在梅山 数P：60，网络结构示意图如图I所示。 3号高炉上进行 了对 比试验 ，取得了较好效果。 由于网络学习样本的输入为硅的变化值 ，因此， 2 人工神经元BP网络结构及其算法改进 网络计算出来的也是硅的变化值，在预报下一炉硅 人工神经元网络突出的特点是信息的分布式存 含量时应将其还原 。 储和结构与处理的并行性，具有联想记忆的能力和 如果BP网络算法参数选择不当，常常会造成 很强的容错性