点击下载——对烧结矿FeO含量预测的数学模型探讨研究.doc对烧结矿FeO含量预测的数学模型的探讨研究张帆1，魏国1，庞巍1，2，高强健1，陈伟亮1，温秋林1，杜钢1(1.东北大学材料与冶金学院，沈阳110819；2.鞍钢集团矿业公司东烧厂，辽宁鞍山114000)摘要：分析烧结生产中影响烧结矿FeO含量的众多因素，选择碱度、配煤量、一次温度、制粒效果、加水量、料层厚度、点火温度、煤气流量等8个工艺参数以及4种矿粉配比作为FeO含量预报模型的输入变量。分别采用BP神经网络、RBF神经网络、SVM3种进行建模预测。预测结果表明，SVM预测性能优于BP神经网络，RBF神经网络优于SVM。关键词：FeO含量预测；BP；SVM；RBF烧结矿FeO含量是烧结矿的主要指标之一，FeO含量高会导致烧结矿还原性差，高炉焦比升高，含量低会导致烧结矿强度差，低温还原粉化性升高，高炉上部透气性恶化。生产中发现，烧结矿的FeO含量与众多因素有关，如配碳量、加水量、碱度等，是众多因素共同作用的结果，研究这些因素对稳定烧结生产，保证高炉的优质、高产有重要作用。此外，烧结矿的生产是大滞后的过程，要实现烧结生产的稳定，需要建立准确的预报模型指导生产中参数调整。本文采用3种预测方法(BP，RBF，以及SVM)建立F..