摘要：烧结作为钢铁冶炼过程的一个重要环节，具有非线性、多变量、大滞后等特点，而烧结终点预测是烧结过程智能控制的重点与难度。本文基于BP神经网络建模方法，采用遗传－粒子群(GA-PSO)混合算法优化BP神经网络的权值和阈值，建立基于GA-PSO-BP神经网络的烧结终点预测模型;并结合某烧结厂的现场数据，将GA-PSO-BP预测模型和PSO-BP、GA-BP、BP预测模型进行对比仿真实验。结果表明:基于GA-PSO-BP神经网路预测模型的均方根误差(RMSE)、平均绝对误差(MAE)、均方误差(MSE)以及最大绝对值误差(MAVE)分别为0.006、0.0019、3.5954×10－5和0.0467。GA-PSO-BP预测模型的预测精度和误差均优于其他3种预测模型，更适用于在实际生产中预测烧结终点位置。关键词：烧结终点;BP神经网络;GA-PSO-BP神经网络;预测模型 下载高清全文——基于GA_PSO_BP神经网络的烧结终点预测模型.pdf