基于神经网络对铁水硫含量的优化和分析

• 作者: 张军红 沈峰满 谢安国
• 来源期刊: 材料与冶金学报
• 学科: 工学
• 关键词: BP神经网络 铁水硫含量 预测
• 年，卷（期）: 2006,（2）
• 所属期刊栏目: 冶金
• 页码范围: 86-89
• 页数: 4页
• 分类号: TF512|O157.2
• 字数: 1809字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-6620.2006.02.002

摘要

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的指导.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张军红	鞍山科技大学材料学院	12	84	5.0	9.0
2	沈峰满	东北大学材料与冶金学院	150	1192	19.0	26.0
3	谢安国	鞍山科技大学材料学院	21	163	7.0	12.0