基于神经网络的转炉终点碳温分类预测模型建立与改进

• 作者: 康波 张琦唯 程序贤
• 来源期刊: 计算机测量与控制
• 关键词: 静态模型 神经网络 交叉分段 分类预测模型
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 自动化测试
• 页码范围: 449-451
• 页数: 3页
• 分类号: TP183
• 语种: 中文

摘要

针对传统预测模型建立中的弱点,分析了转炉炼钢的输入输出参数,建立了三输出转炉碳温分类预测模型;根据不同数据范围所对应的不同规律,对数据源进行了交叉分段处理;为提高模型训练速度,采用LM算法进行训练,同时针对该算法容易陷入局部极小和过学习的缺陷,采用了多种方法进行处理,实验仿真证明,将训练数据源进行分段建立分类预测模型,能显著提高网络的泛化能力,结合三输出模型结构,有效地提高了转炉终点碳含量和温度的预测百分比.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	康波	电子科技大学自动化工程学院	35	272	10.0	15.0
2	张琦唯	电子科技大学自动化工程学院	1	2	1.0	1.0
3	程序贤	电子科技大学自动化工程学院	1	2	1.0	1.0