基于GRNN-SA的重构钢渣最佳配方优化模型

• 作者: 杨姗姗 王巧玲 许莹
• 来源期刊: 钢铁钒钛
• 学科: 地球科学
• 关键词: 重构钢渣 配料 广义回归神经网络 模拟退火算法
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 资源环境与节能
• 页码范围: 75-81,94
• 页数: 8页
• 分类号: X756
• 语种: 中文
• DOI: 10.7513/j.issn.1004-7638.2020.01.014

摘要

考虑到钢渣化学成分的波动性,为解决钢渣重构在配料时所涉及的复杂运算问题,以钢渣、生石灰、粉煤灰、氟化钙(CaF2)的化学成分作为输入变量,活性指数作为输出变量,构建广义回归神经网络(GRNN)模型,并采用模拟退火算法(SA)进行优化计算,建立基于GRNN-SA的重构钢渣最佳配方优化模型.通过实证分析得出,该模型能够实现重构配料过程的智能化计算,而且具有普适性,对不同来源的钢渣均有指导意义,对钢渣重构的试验结果也有一定的预测效果,实际活性指数值与预测值相对误差在5％以下,模拟准确性较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许莹	华北理工大学材料科学与工程学院	26	24	3.0	3.0
2	杨姗姗	华北理工大学材料科学与工程学院	13	4	1.0	2.0
3	王巧玲	华北理工大学冶金与能源学院	4	0	0.0	0.0