摘要：转炉终点磷含量的预测对实现转炉自动出钢、缩短冶炼周期具有重要意义，为了实现转炉终点磷含量的窄窗口控制，为操作工艺提供指导，需要建立更高精度的终点磷含量预测模型。通过对冶炼工艺以及脱磷热力学的分析，选取１２项影响脱磷过程的可观测指标，构建了终点磷含量预测指标体系，然后借助因子分析法（ＦＡ）对数据进行降维处理，得到６个派生变量，将其作为模型输入，终点磷含量作为模型输出，建立基于超限学习机（ＥＬＭ）的终点磷含量预测模型。并将ＥＬＭ模型预测结果与ＢＰ神经网络的进行对比，研究发现，ＥＬＭ模型拟合度更高，回归系数Ｒ２＝０.778７，平均误差ＭＡＰＥ＝０.106０，并且预测误差在±０．003０％内的炉次所占比例为86.67％。因此，相比于ＢＰ神经网络模型，ＥＬＭ模型具有较高的精度和较好的泛化能力。 关键词：因子分析；预测指标；数据降维；超限学习机；ＢＰ神经网络 下载高清全文——基于FA_ELM的转炉终点磷含量预测模型放.pdf