基于神经网络对铁水硫含量的优化和分析.pdf

材料与冶金学报 Vol. 5 No.2 第 5 卷第 2 期 2006 年6 月 Journal of Materials and Metallurgy June 2006 基于神经网络对铁水硫含量的优化和分析 张军红谢安国沈峰满2 (1.鞍山科技大学材料学院，辽宁鞍山 114044; 2. 东北大学材料与冶金学院，辽宁沈阳 110004) 摘 要:高炉铁水中的硫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硫含量 的高低，建立预测模型是必要的.本文利用遗传算法(GA) 和 BP 神经网络构造了高炉铁水硫含 量的预测分析模型，从某高炉选取 117 组数据进行学习和预测.运行结果表明，模型预测精度较 6 高，当要求绝对误差为:t3 x 10- 61. 54%; 绝对误差为:t4 x 10-6 时，命中率可达 时，命中率可达 84.69%. 在此基础上，应用该模型回归分析了高炉风量、热风压力、富氧量、铁间料批数与铁水 硫含量之间的相关关系，结果与高炉冶炼理论基本吻合，可为高炉生产提供一定的指导. 关键词 BP 神经网络;铁水硫含量;预测 中图分类号: TF512; 0157.2 文献标识码:A 文章编号 1671 -6620( 2006) 02-0086 -04 Optimization and analysis of sulfur content in hot metal based on neural network l l 2 ZHANG Jun-hong , XIE An-guo , SHEN Feng-man (1. Anshan University of Science and Technology , Anshan 114044 , China; 2. School of Meterials and Metallurgy , No此he田tern University , Shenyang 110004, China) Abstract: Sulfur content is an important index to describe hot metal quality. 1t is necessary to build a model to predict sulfur content. 1n this paper , combining the Genetic Algorithms (GA) and Back - propagation neural network (BP) , an intelligent GA - BP model was established to predict the sulfur content in hot metal. 117 datas were chosen to train the network model. The results showed that the model has f