论文部分内容阅读
实现烧结过程工艺参数的优化, 首先要进行烧结矿质量预测. 采用遗传算法与BP神经网络相结合的方法, 建立了烧结矿FeO含量预测模型, 并改进BP学习算法.仿真表明,该方法可以优化神经网络结构, 缩短学习时间. 与传统的BP神经网络模型相比, 预测值与实际值间的相对误差由6.534%降低至1.400%, 其精度高于传统BP网络模型.该方法为实现在线预测奠定基础.