摘要：烧结矿的质量影响钢铁企业的生产状况及经济效益，同时直接关系到高炉炼铁的质量。烧结过程机理复杂但积累了大量的工业运行数据，基于烧结过程数据，提出了一种带动量系数的自适应变步长的改进反向传播(backpropagation，BP)神经网络预测模型，对烧结矿质量指标进行预测。首先，选取影响烧结矿质量指标的工况特征变量，由于变量过多且存在共线性问题，采用皮尔逊相关系数确定了主要影响参数，对特征变量进行降维。其次，建立烧结矿质量指标的预测模型，将选择的特征变量作为改进BP神经网络预测模型的输入，输出为质量指标FeO、转鼓指数和碱度。最后，根据安阳钢铁厂400烧结机实际工况数据进行仿真，3个质量指标的预测精度分别为88．5%、87%、82．5%，验证了预测模型的准确性与有效性。 关键词：烧结矿；质量指标；预测；皮尔逊相关系数；BP神经网络 下载高清全文——基于数据驱动的烧结质量指标预测模型.pdf