基于粗糙集理论与神经网络的铁水硅含量预测

• 作者: 尹林子 李乐 蒋朝辉
• 来源期刊: 钢铁研究学报
• 关键词: 预测 铁水硅含量 粗糙集 神经网络 kNN
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 冶炼与加工
• 页码范围: 689-695
• 页数: 7页
• 字数: 4957字
• 语种: 中文
• DOI: 10.13228/j.boyuan.issn1001-0963.20190010

摘要

高炉铁水硅含量预测对调控炉温和稳定炉况具有重要作用.基于粗糙集理论与神经网络模型对铁水硅含量进行预测.采用粗糙集理论对输入参数进行约简,得到优化的输入集,结合BP(back propagation)神经网络实现高炉硅含量的预测.同时,针对炉况波动较大情况下神经网络模型预测误差大的问题,建立波动知识库,利用kNN(k-Nearest Neighbor)算法匹配识别波动炉况,对预测结果进行补偿.以国内某钢铁厂实际高炉生产数据进行验证,该方法在预测误差为±0.1％以内时预测命中率达到91.74％,可为高炉操作者判断炉况提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋朝辉	中南大学信息与工程学院	34	240	10.0	13.0
2	尹林子	中南大学物理与电子学院	24	176	8.0	13.0
3	李乐	中南大学物理与电子学院	11	50	4.0	7.0