神经网络在连铸坯表面质量预报中的应用研究的中期报告.docxVIP

神经网络在连铸坯表面质量预报中的应用研究的中期报告 本研究针对连铸坯表面质量预报问题，基于神经网络模型，进行了中期研究。主要工作包括数据采集、模型构建、实验验证等方面的工作。 数据采集方面，我们在现场连铸生产线上收集了坯料表面质量的相关数据，包括坯面热成像图像、温度数据、厚度数据等，共计约5000条数据。通过对数据的筛选和清洗，确保了数据的准确性和有效性。 模型构建方面，我们采用了基于BP神经网络模型的方法。首先对数据进行预处理，包括数据归一化、特征工程等步骤，然后将数据分为训练集和测试集，采用反向传播算法训练模型。在模型选择和调参时，我们采用了交叉验证的方法，通过对模型的准确率、F1分数等指标进行评估和比较，得到了最优模型参数。 实验验证方面，我们采用了10折交叉验证的方法，对模型进行测试和评估。结果表明，我们所构建的神经网络模型在预测连铸坯表面质量方面具有较高的准确率和鲁棒性。 接下来，我们的工作重点将转向模型优化和应用研究方面，进一步提升模型精度和可靠性，并将其应用到生产实践中，为实现连铸坯表面质量的自动化控制和优化提供支撑。