文件名称：基于神经网络对铁水硫含量的优化和分析 (2006年)
文件大小：224KB
文件格式：PDF
更新时间：2024-06-06 06:13:03
工程技术 论文
高炉铁水中的硫含量是描述铁水质量的一个重要指标．为了在出铁之前了解铁水中硫含量的高低，建立预测模型是必要的．本文利用遗传算法(GA)和BP神经网络构造了高炉铁水硫含量的预测分析模型，从某高炉选取117组数据进行学习和预测．运行结果表明，模型预测精度较高，当要求绝对误差为±3×10-6时，命中率可达61.54％；绝对误差为±4×10-6时，命中率可达84.69％．在此基础上，应用该模型回归分析了高炉风量、热风压力、富氧量、铁间料批数与铁水硫含量之间的相关关系，结果与高炉冶炼理论基本吻合，可为高炉生产提供一定