基于聚类思想的转炉终点碳含量预测方法

针对转炉冶炼复杂、冶炼策略多,进而影响转炉终点预测模型命中率的问题,文章提出利用基于SNN_AP聚类算法与BPNN的转炉终点预测方法,最终将数据分为9类,总命中率在±0.03%内达到82.27%,较未分类时提升了约7个百分点。证明了聚类算法处理复杂炉况的有效性,为提升转炉预测模型精度提供一种重要思路。

基于回声状态网络的转炉终点碳和温度预测

本文利用回声状态网络建立了转炉终点钢水碳含量和温度预测模型,并应用遗传算法优化其主要参数。选用某钢厂3座120t转炉的实测数据对该网络模型进行离线训练和仿真测试,结果表明回声状态网络模型比BP神经网络模型在预测精度上有所提高。这为开展转炉实时预测工作提供了方法指导。