点击下载——基于LM算法BP神经网络的高炉-转炉界面铁水温度预报模型.doc 基于LM算法BP神经网络的高炉-转炉界面铁水温度预报模型 任彦军1,2，王家伟1，张晓兵2，赵浩文1 (1|贵州大学材料与冶金学院，贵州贵阳550003；2．江苏沙钢集团有限公司，江苏张家港215625) 摘要：通过研究高炉—转炉界面铁水运输过程温度的主要影响因素，确定了影响高炉—转炉界面铁水运输过程温度的参数，建立了基于LevenbergMarquardt(LM)算法BP神经网络的高炉—转炉界面铁水温度及铁水过程温降的预报模型。用沙钢100包铁水数据进行模型训练，50包铁水数据进行现场预报，结果表明：在高炉转炉界面“一包到底”模式下，当绝对误差｜X｜≤20℃时，铁水温度命中率为94％，铁水温降命中率为78％；当绝对误差｜X｜≤40℃时，铁水温度命中率为100％，铁水温降命中率为92％，该预报模型能够满足现场实际生产需求，对炼钢生产有很好的指导意义。 关键词：温度；BP神经网络；LM算法；预报模型 铁水是炼钢的主要原材料，一般占装入量的70％～100％，它的化学热与物理热是转炉炼钢的主要热源，因此，对入炉铁水化学成分和温度必须有一定的要求[1]。铁水..