论文部分内容阅读
针对高炉初渣、中间渣组分多变特别是FeO含量高等问题,系统研究了CaO-SiO2-Al2O3-FeO-MgO五元渣系的黏度及组分对黏度的影响规律,并建立了基于WEB的神经网络-遗传算法(ANN-GA)系统的高炉渣黏度预报模型。结果表明,该模型对高FeO渣系的黏度预报值与试验结果吻合较好,误差在20%以内。通过模型预报获得的各因素对渣黏度影响的规律与文献及试验结果一致。