基于FA-ELM的转炉终点磷含量预测模型

• 作者: 刘宇 包燕平 孙光涛 王敏 高放 黄永生
• 来源期刊: 钢铁
• 关键词: 因子分析 预测指标 数据降维 超限学习机 BP神经网络
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 炼钢
• 页码范围: 24-30
• 页数: 7页
• 语种: 中文
• DOI: 10.13228/j.boyuan.issn0449-749x.20200246

摘要

转炉终点磷含量的预测对实现转炉自动出钢、缩短冶炼周期具有重要意义,为了实现转炉终点磷含量的窄窗口控制,为操作工艺提供指导,需要建立更高精度的终点磷含量预测模型.通过对冶炼工艺以及脱磷热力学的分析,选取12项影响脱磷过程的可观测指标,构建了终点磷含量预测指标体系,然后借助因子分析法(FA)对数据进行降维处理,得到6个派生变量,将其作为模型输入,终点磷含量作为模型输出,建立基于超限学习机(ELM)的终点磷含量预测模型.并将ELM模型预测结果与BP神经网络的进行对比,研究发现,ELM模型拟合度更高,回归系数R2=0.7787,平均误差MAPE=0.1060,并且预测误差在±0.0030％内的炉次所占比例为86.67％.因此,相比于BP神经网络模型,ELM模型具有较高的精度和较好的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	包燕平		245	1582	18.0	26.0
2	王敏		95	419	11.0	14.0
3	刘宇		20	342	4.0	18.0
4	高放		1	0	0.0	0.0
5	黄永生		1	0	0.0	0.0
6	孙光涛		1	0	0.0	0.0