神经网络方法在高炉铁水硅含量预报中的应用

将神经网络方法引入高炉铁水硅含量预报模型 ,并在BP算法的基础上根据实际情况进行改进。用此模型对梅山3号高炉1998年的生产数据离线预报结果表明 :用神经网络方法预报效果良好 ,在未使用煤气连续分析数据的条件下 ,当允许误差为(±0.1) %时命中率达到85 %。

基于优化SVM模型的高炉铁水[Si]动态预报

高炉铁水含硅量是反映高炉状态的重要指标,也是影响高炉稳定运行、优质低耗生产的重要参数。本文首先通过计算料批参数、煤气量、间接还原度及直接还原度进而推算硅含量。之后采用硅含量均值、前次铁水对应的风口理论燃烧温度及前次铁水含硫量三个参数作为铁水含硅预报的自变量,得到下一次的硅含量预报值。通过对支持向量机的改进,得到硅含量的最优拟合函数。将预测的趋势和预测值有效的融合得到硅含量的预测模型。实验结果表明该模型能够预测硅含量的值,跟踪硅含量的变化趋势,可用以指导高炉实际生产。