论文部分内容阅读
高炉铁水的硅含量是描述铁水质量的一个重要指标。为了在出铁之前了解铁水中硅含量的高低，建立预测模型是必要的。结合遗传算法（GA）和BP神经网络，建立了优化的GA-BP预测分析模型，从某高炉选取生产数据进行学习和预测。运行结果表明，模型具有较高的预测精度，当要求绝对误差为±0．05时，命中率可达70％；绝对误差为±0．08时，命中率可达92．3％。同时，应用该模型分析回归了高炉风量、热风压力、富氧量与铁间料批数等参数与铁水硅含量之间的相关关系，其结果与高炉冶炼理论基本吻合，可为高炉生产提供