D0I:10.13374/j.issn1001-053x.1995.06.006 第17卷第6期 北京科技大学学报 Vol.17 No.6 1995年12月 Journal of University of Science and Technology Beijing Dec.1995 铁水含硅量预报神经网络模型 杨尚宝 杨天钧 董一诚 北京科技大学冶金系，北京100083 摘要针对我国高炉的检测水平，采用人工神经网络的方法建立了一种用于铁水含硅量预报的神经 网络模型.该模型具有良好的适应性和自学习功能. 关键词高炉，含硅量，预报，神经网络，模型 中图分类号TF543.1.TP391 Prediction Model of Si Content in Hot Metal Based on Nueral Networks Yang Shangbao Yang Tianjun Dong Yicheng Departmemt of Metallurgy,USTB,Beijing 100083,PRC ABSTRACT According to the checking method of blast furnace in our country,prediction model of silicon content in hot metal based on nueral networks has been developed by applying the method of artificial neural networks.This model has good adaptability and self-learning function. KEY WORDS blast furnace,Si content,prediction,neural networks,model 在高炉含硅量预报方面，人们曾建立过许多模型：基于物理化学的理论计算模型，基于经 验的数据图表分析模型，基于数理统计的回归模型和时间序列模型，基于控制理论和模糊数 学的自适应模型和模糊控制模型，基于知识的智能模型，等等.这些模型在不同的历史时期， 不同的生产条件下，都曾起到过一定的作用，但也存在一些不足，例如，理论模型和经验模型 往往精度不高；统计模型则与统计样本有关，应用条件受到限制；而自适应方法虽然适应一些 条件的变化，却在精度上不令人满意；时间序列方法在精度上尚可以，但却存在一定的滞后 性，而且当炉况波动或异常时，以上这些模型的精度则更低.随着计算机技术的飞速发展和人 工智能技术的不断提高，人们对含硅量预报的方法有了新的想法，本研究针对我国中小型高 炉的检测水平，采用人工神经网络的方法建立了一种用于硅预报的神经网络模型叫 1神经网络的结构与学习机理 1.1神经网络的结构 本研究采用误差反向传播网络(BP网)来建立硅预报的神经网络模型，并设网络为3层：第 1995-06-15收稿第一作者男3引岁博士第 17 卷 第 6期 北 京 科 技 大 学 学 报 1姚 年 12 月 oJ unr al o f U ni ve sr iyt o f S d ne ec a n d Te hc no ol g y Be ij ni g V d 。 17 N心 。 6 】) 沈 . 11粥巧 铁水含硅量 预报神经 网络模 型 杨 尚宝 杨 天 钧 董 一 诚 北京 科技大 学 冶 金 系 , 北京 1X( 幻8 摘要 针对我国 高炉 的 检测水 平 , 采用 人工神经 网络的 方法建立 了一 种用 于 铁水含硅 量预报的 神经 网 络模 型 . 该模型 具有 良好的适应性和 自学习 功能 . 关键词 高炉 , 含硅量 , 预报 , 神经网 络 , 模型 中图分类号 1下 , 义3 . 1 , T P 391 P re d ict i o n M o de l o f 5 1 C o n t e flt i n H o t M e at l B a s e d o n N u e ar l N 亡t 、 v o r ks aY gn hS a n 必 a o aY n g iT a nj u n D o n g Yi e h en g 众P a rt 万℃ m t o f M e t al l u 任卿 , I J S T B , E七i」ing l(洲幻83 , P R C AB S T R A C T A 。 工) rd ing t o t h e hc eC k i n g m e th o d o f b l a s t fu rn a ce in o ur co u n try , P耐i ct i o n mo d el o f s il co n co n t en t i n h o t m e t a l b a s de o n n u aer l n ct wo ksr h a s h 沈 n d e vel o Pde b y a P P ly i n g t h e ner t h o d o f a rt 币ha l n eu ar l n e t w o ksr . hT is mo d el h a s g o o d a d a P at b il yt a dn s ier 一 l份而n g fu n ct io n . K EY W O R 】万 b l a s t fr l n l a ce , 5 1 co n ent t , P er d ict i o n , n e u ar l n et wo ksr , mo d el 在 高炉含 硅量 预报方 面 , 人们 曾建立过 许多模 型 : 基 于 物理化 学 的理 论 计算 模 型 , 基 于 经 验 的数据 图表分 析模 型 , 基于数 理 统计 的回 归 模 型 和 时间 序列 模 型 , 基 于 控 制 理 论和 模 糊数 学 的 自适 应模 型和模 糊控 制模型 , 基 于知识 的智 能模型 , 等等 . 这些模 型 在 不 同的 历史 时期 , 不 同的生 产条件 下 , 都 曾起 到过 一定 的作用 , 但 也 存在 一 些 不 足 . 例 如 , 理 论模 型和 经 验模 型 往往精度 不高 ; 统计模 型则 与 统计样 本有关 , 应 用条件受 到限制 ; 而 自适应 方法 虽 然 适 应 一些 条件 的变 化 , 却 在精度 上 不令人 满意 ; 时 间 序列 方 法 在 精度 上 尚可 以 , 但 却 存 在 一 定 的 滞 后 性 , 而且 当炉 况波动 或异 常时 , 以 上 这些模 型 的精 度则更低 . 随着 计算机 技术 的 飞速 发 展 和 人 工智能技 术 的不 断提 高 , 人们对含 硅量 预报 的方 法 有 了新 的想 法 , 本 研 究 针对 我 国 中小 型 高 炉的检测 水平 , 采用 人工神 经 网络 的方 法建立 了 一种 用于硅 预报 的神经 网络模型 .l[] 1 神经网络 的结构 与学习机 理 L l 神经网络 的结构 本研究采用 误 差反 向传播 网络 ( B P 网 ) 来 建立 硅预报 的神经 网络模型 , 并设 网络 为 3 层 : 第 l卯 5 一 06 一 15 收 稿 第一 作者 男 31 岁 博士 DOI: 10. 13374 /j . issn1001 -053x. 1995. 06. 006