基于遺傳算法和神經(jīng)網(wǎng)絡的高爐參數(shù)預報模型.pdf

1、為了實現(xiàn)高爐生產(chǎn)的“優(yōu)質、高產(chǎn)、長壽、低耗”，高爐生產(chǎn)的自動化勢在必行。高爐生產(chǎn)自動化的核心部分——高爐控制模型一直被人們所關注。其發(fā)展經(jīng)歷了有高爐數(shù)學模型、高爐專家系統(tǒng)到高爐神經(jīng)網(wǎng)絡模型，以及神經(jīng)網(wǎng)絡與其他優(yōu)化算法相結合模型的過程。 本文根據(jù)高爐實際生產(chǎn)情況和技術水平，分別采用了BP神經(jīng)網(wǎng)絡、遺傳算法與BP神經(jīng)網(wǎng)絡相結合的兩種方法建立了高爐焦比預報模型、高爐鐵水硫含量預報模型和高爐鐵水硅含量預報模型。模型結構都為三層，即輸入層

2、、隱含層和輸出層，分別經(jīng)過150個樣本的學習訓練以及遺傳算法對初始權值的優(yōu)化，最終確定各自的網(wǎng)絡權值矩陣，并分別用70組數(shù)據(jù)采用“固定式”和“修正式”兩種預報模式對高爐參數(shù)進行了離線預報，都具有良好的預報準確率。預報結果表明“修正式”預報命中率要高于“固定式”預報，遺傳算法與BP神經(jīng)網(wǎng)絡相結合模型的預報命中率和訓練次數(shù)都要優(yōu)于BP神經(jīng)網(wǎng)絡預報模型。 本文的各個模型還吸收了“修正式”預報的思想，并建立了Access數(shù)據(jù)庫，能夠完成