摘要：针对钢铁烧结配料工序完成后烧结矿质量难以及时准确判断的问题，提出通过稳定焦炭配比，进而对全铁品位和碱度指标预测实现烧结矿质量控制。依据烧结生产特性，分别建立静态的BP神经网络(BPneuralnetwork，简称BPNN)和动态的Elman递归神经网络(recurrentneuralnetwork，简称ＲNN)模型应用于烧结矿质量预测。仿真试验表明，应用工业数据训练建立的静态BPNN预测模型预测精度高于ElmanＲNN模型。最终，采用BPNN建立的烧结焦炭配比、全铁品位、烧结矿碱度的预测模型预测精度分别达到77．5%、90．0%和82.5%。计算结果对烧结生产具有重要的指导意义。关键词：烧结；BPNN模型；ＲNN模型；质量预测；对比分析 下载高清全文——基于BPNN和RNN模型的烧结矿质量预测方法对比及分析.pdf