摘要：分析了影响转炉冶炼终点钢水中锰含量的因素，针对基于BP神经网络算法的转炉冶炼终点锰含量预测模型存在的收敛速度慢，预测精度低等问题，提出了一种基于极限学习机(ELM)算法建模的新思路，并引入正则化以及改进粒子群优化算法(IPSO)，建立了基于改进粒子群算法优化的正则化极限学习机(IPSO--ＲELM)的转炉终点锰含量预测模型;应用国内某炼钢厂转炉实际生产数据对模型进行训练和验证，并与基于BP、ELM和ＲELM算法的三类模型进行比较．结果表明，采用IPSO--ＲELM方法构建的模型，锰含量预测误差在±0.025%范围内的命中率达到94%，均方误差为2.18×10－8，拟合优度Ｒ2为0.72，上述三项指标均显著优于其他三类模型，此外，该模型还具有良好的泛化能力，对于转炉实际冶炼过程具有一定的指导意义．关键词：转炉；终点锰含量；改进粒子群算法；极限学习机；正则化极限学习机；预测模型 下载高清全文——基于IPSO_RELM转炉冶炼终点锰含量预测模型.pdf