摘要: 由于高炉炼铁过程的动态特性，因此铁水硅含量的预测有极大难度，现有预测方法的精度不高。针对这一问题，提出一种利用Elman-Adaboost 强预测器实现硅含量预测的方法。与通常使用的将反向传播( BackPropagation，BP) 神经网络作为弱预测器的方法不同，本方法采用能更好地反映数据间动态特性的Elman 神经网络作为弱预测器，然后利用Adaboost 算法融合多个弱预测器组成一个强预测器。该模型用于某钢厂硅含量的预测，其平均预测命中率达到了94． 8% ，证明了其有效性。通过与单一BP 神经网络、Elman 神经网络以及BP-Adaboost 强预测器的预测结果比较，Elman-Adaboost 强预测器的预测精度高，为铁水硅含量的预测提供了一种新的途径。

关键词: 高炉炼铁; 硅含量; 预测; BP 神经网络; Elman 神经网络; Adaboost 算法

下载高清全文——基于Elman_Adaboost强预测器的铁水硅含量预测方法_.pdf