论文部分内容阅读
基于BP神经网络建立起CaO·MgO-Al2O3-SiO2四元系炉渣粘度的预测模型,利用已有的119组准确的粘度数据,随机取出其中的80组作为训练样本,余下的39组数据则在假定粘度未知的情况下,进行粘度的预报研究。预测模型分别选用四元成分和六种氧离子作为输入变量,选择适合隐含层,建立两种不同模型,取得了较好的预测结果。