点此下载——基于物料模型的GMDH神经网络LF终点温度预测 基于物料模型的GMDH神经网络LF终点温度预测 冯凯1，2，汪红兵3，徐安军1，2，贺东风1，2，田乃媛1，2 (北京科技大学1．冶金与生态工程学院，北京100083；2．高效钢铁冶金国家重点实验室，北京100083；3．计算机与通信工程学院，北京100083) 摘要：针对LF冶炼终点温度影响因素的复杂性，提出以自组织数据挖掘原理为核心的GMDH神经网络对钢水终点温度进行预测，±5℃内误差的命中率为78．31%，±7．5℃内误差的命中率为92．77%；建立物料的热效应模型，通过不同物料加入钢水中的热效应计算，将LF精炼过程中加入的物料折算为一个输入因素，改进的GMDH神经网络对钢水温度预测，±5℃内误差的命中率为88．72%，±7．5℃内误差的命中率为98．44%，基于物料模型的GMDH神经网络不仅在命中率上有显著提高，而且对冶炼多钢种导致的物料结构改变有更好的适应能力。 关键词：物料模型；GMDH神经网络；钢水温度；LF 目前，LF精炼作为钢铁企业提高钢铁质量和扩大品种的主要精炼工艺，而准确预测LF钢水终点温度是其中重要的方面[1-2]。目前国内外所开发的LF终点温度预测的机理模型精度一般难以保障..