论文部分内容阅读
在建立VD炉温度预报神经网络模型过程中,考察了影响目标温度的因素,并应用模式识别方法对各因素进行特征分析与筛选,删除了其中三个不必要的变量:吹氩量、VD罐冷却时间以及VD罐上炉使用时间.用筛选后的样本训练神经网络,预报精度有15%左右的提高.模型在线连续预报了76炉次,预报温度与实际测量温度之差在±4℃、士5℃之内的炉次分别占67.1%与80.3%.