基于物料模型的GMDH神经网络LF终点温度预测

目前，LF精炼作为钢铁企业提高钢铁质量和扩大品种的主要精炼工艺，而准确预测LF钢水终点温度是其中重要的方面。目前国内外所开发的LF终点温度预测的机理模型精度一般难以保障，多采用计算机算法实现现场应用。如陶子

目前，LF精炼作为钢铁企业提高钢铁质量和扩大品种的主要精炼工艺，而准确预测LF钢水终点温度是其中重要的方面。目前国内外所开发的LF终点温度预测的机理模型精度一般难以保障，多采用计算机算法实现现场应用。如陶子玉等人运用改进的神经网络对北台钢铁集团40t钢包的LF精炼终点温度进行预测，吴晓东等人运用多元回归分析的方法对宝钢一炼钢LF精炼终点温度进行预测，李军等人将遗传算法和粒子群算法混合优化BP神经网络预测终点温度在邯宝炼钢厂LF精炼进行试用，何飞等人采用LM优化算法改进BP神经网络在某钢厂进行试用。北京科技大学的学者针对LF冶炼终点温度影响因素的复杂性，提出以自组织数据挖掘原理为核心的GMDH神经网络对钢水终点温度进行预测，±5℃内误差的命中率为78.31%，±7.5℃内误差的命中率为92.77%；建立物料的热效应模型，通过不同物料加入钢水中的热效应计算，将LF精炼过程中加入的物料折算为一个输入因素，改进的GMDH神经网络对钢水温度预测，±5℃内误差的命中率为88.72%，±7.5℃内误差的命中率为98.44%，基于物料模型的GMDH神经网络不仅在命中率上有显著提高，而且对冶炼多钢种导致的物料结构改变有更好的适应能力。(素年)