点此下载——基于灰色理论的铁水预处理终点磷含量神经网络预测模型 摘要：在传统BP神经网络预测模型的基础上，依据灰色理论中的灰色关联度，提出了输出变量各个影响因素的灰色关联度权值，首次建立基于灰色理论的神经网络预测模型，并依据国内某钢厂300组实际生产数据进行仿真试验。试验结果表明：误差绝对值小于5％的炉数有39炉，占总炉数的65．00％；误差绝对值小于10％的炉数共有58炉，占到96．67％。与传统BP神经网络相比，基于灰色理论的神经网络模型的预测精度提高近12．5％，说明基于灰色理论的铁水预处理终点磷含量神经网络预测模型能更精确地反映现场实际水平。 关键词：灰色理论；关联度；终点磷含量；神经网络模型 转炉炼钢是目前主要的炼钢生产方式。为了实现转炉高效冶炼高质量的钢水，有必要在转炉脱碳前将铁水中的磷控制到很低的水平，这样有助于实现转炉的少渣冶炼，提高转炉的生产效率，同时降低生产成本。铁水预处理脱磷正是为分解转炉的功能而形成的缓冲工序[1]。为了使铁水预处理实现最大化的脱磷效果，准确控制铁水入转炉前的磷含量，有必要建立准确的预处理终点磷预报模型。目前，炼钢过程的模型研究主要集中在转炉过程的终点预测或者控制[..