论文部分内容阅读
采用3层BP神经网络来预报高炉铁水硫含量，根据高炉冶炼的实际生产数据，选取风温、风量、炉顶温度、焦炭负荷、喷煤量、矿石硫含量、焦炭硫含量、煤粉硫含量和上一炉铁水硅含量9个因素作为输入变量，为提高神经网络预报的准确率，对输入参数进行时滞处理。采取附加动量项和自适应学习步长的措施，解决了BP神经网络局部收敛和学习时间过长的问题。模型预报结果表明：当允许绝对误差不大于0．001时，预报命中率为70．7％；当允许绝对误差不大于0．005时，命中率为90％，证明了模型的有效性。