论文部分内容阅读
针对转炉终点神经网络预测模型数据预处理过程中多变量、大样本的特点，介绍并应用了一种识别及检验异常数据的方法；筛选了神经网络模型的数据样本集数据；并初步验证了筛选结果。经过筛选，神经网络预测模型训练集数据训练误差绝对值的平均值及最大值分别下降了26．7％和41％；测试集数据测试误差的平均值及最大值分别下降10％和45％。结果表明，该方法对于转炉预测模型的数据筛选行之有效，对转炉预测模型的进一步完善有一定的实用价值。