基于BP神经网络的炉渣粘度预测

摘要：

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.

关键词： 高炉炼铁 炉渣粘度 神经网络 预测模型

作者: 李洪玮 张建良 国宏伟

作者单位: 北京科技大学冶金与生态工程学院,北京100083

会议类型: 国内会议

会议名称: 2014年全国炼铁生产技术会暨炼铁学术年会

会议地点: 郑州

会议语种:中文

页码: 723-727

在线出版日期: 2014-05-01（万方平台首次上网日期，不代表论文的发表时间）