基于物料模型的GMDH神经网络LF终点温度预测

• 作者: 冯凯 徐安军 汪红兵 田乃媛 贺东风
• 来源期刊: 炼钢
• 学科: 工学
• 关键词: 物料模型 GMDH神经网络 钢水温度 LF
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 试验研究
• 页码范围: 38-41
• 分类号: TF796.2
• 语种: 中文

摘要

针对LF冶炼终点温度影响因素的复杂性,提出以自组织数据挖掘原理为核心的GMDH神经网络对钢水终点温度进行预测,±5℃内误差的命中率为78.31％,±7.5℃内误差的命中率为92.77％；建立物料的热效应模型,通过不同物料加入钢水中的热效应计算,将LF精炼过程中加入的物料折算为一个输入因素,改进的GMDH神经网络对钢水温度预测,±5℃内误差的命中率为88.72％,±7.5℃内误差的命中率为98.44％,基于物料模型的GMDH神经网络不仅在命中率上有显著提高,而且对冶炼多钢种导致的物料结构改变有更好的适应能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐安军	北京科技大学冶金与生态工程学院	113	644	14.0	19.0
5	贺东风	北京科技大学冶金与生态工程学院	92	427	9.0	16.0
9	汪红兵	北京科技大学计算机与通信工程学院	44	255	8.0	14.0
10	冯凯	北京科技大学冶金与生态工程学院	17	44	4.0	5.0