点击下载——基于GA-PSO-BP神经网络的LF终点温度预测.doc 摘要：针对LF冶炼特点和现有钢水温度预报方法存在的不足，提出了一种新的预测LF终点温度的BP神经网络模型。用遗传算法(GA)和粒子群算法(PSO)混合优化BP神经网络的权值和阈值，提高BP神经网络的预测精度。混合模型既克服了传统机理模型难以准确实现的困难，也弥补了传统BP算法的不足，结合了2种算法的优点，改善了预测模型的收敛性能。开发了基于Java语言的现场应用软件。仿真结果表明，该算法可以提高预测精度和速度，预测误差在5℃以内的炉次达到了88％。 关键词：LF精炼炉；钢水温度预测；BP神经网络；遗传算法；粒子群算法 LF操作过程影响温度的因素比较复杂，并且在LF冶炼过程中，预测对象为非线性系统，难以建立机理模型[1-2]，所以LF的温度预测一般都采用人工智能方法。目前主要用matlab的BP网络仿真来预报LF的温度，且LF终点温度的仿真结果中，5℃以内的温度命中率大部分都在80％左右，国内专家在此方面做了大量的研究[3-4]。 标准的BP网络学习算法局部极小，而且收敛速度慢。所以目前一般采用优化算法来提高BP网络的性能[5-6]。以邯郸钢铁集团有限责任公司邯宝炼钢厂(以下简称邯宝炼钢厂)LF为研究..