改进BP神经网络在铁水预处理终点硫含量预报中的应用张慧书战东平姜周华(东北大学材料与冶金学院沈阳110004)摘要：铁水预脱硫可以减轻现有的高炉炼铁和转炉炼钢的负担，已经成为钢铁生产中的一项必不可少的工序。针对本钢铁水罐喷吹CaO+Mg粉剂复合脱硫过程，采用改进的BP神经网络算法，建立了铁水预处理终点硫含量预报模型。用本钢的1900炉数据进行模型训练，经100炉数据现场验证表明，有12％的炉次预报值与实际值完全一致，有89％f的炉次误差≤0．003％，平均误差为0．0020％。摘要：铁水预处理BP神经网络硫含量预报模型1前言采用铁水预处理手段进行炉外脱硫，可以减轻高炉和转炉的负担，降低焦比，提高生产率和减少渣量。以铁水终点硫含量控制为目标，已开发出了众多的铁水终点硫含量预报模型，如多元回归模型和专家系统模型等[1.2]，但这些模型在容错性和自学习、自适应能力等方面受到限制。以BP算法为基础建立的BP神经网络即误差反向传播的前馈型网络，它是最著名的多层前向网络训练算法，主要应用于多参数、非线性的预报，已在钢铁冶金各个工序中得到广泛的应用[3]，并得到了较好的预报结果。本课题依据改进的BP神经网络，对本钢铁水罐喷吹CaO+Mg粉剂复合脱硫过程，建立了..