典型文献
基于灰色关联分析和超限学习机的高炉铁水硅含量预测
文献摘要：
炉温的实时预测技术对高炉生产稳定顺行具有重要意义,在高炉炼铁过程中,通常间接用铁水硅含量的变化来表示高炉炉温的变化.针对硅含量预测效率和精度不足的问题,建立了铁水硅含量预测模型.以现场数据为样本数据,采用灰色关联分析(grey correlation analysis,GCA)获得与硅含量相关度较高的生产指标,以相关指标为输入、硅含量为输出,构建超限学习机(extreme learning machine,ELM)算法模型,对模型进行训练.现场数据计算表明,该模型的预报命中率达87％(误差不小于0.10),实现了高炉铁水硅含量的准确预报.
文献关键词：
高炉;铁水硅含量;算法模型;灰色关联分析;超限学习机
中图分类号：
作者姓名：
崔博;陈伟;王宝祥;武鹏飞;陈颖
作者机构：
华北理工大学人工智能学院,河北 唐山063210;华北理工大学冶金与能源学院,河北 唐山063210;河北省高品质钢连铸工程技术研究中心,河北 唐山063000
文献出处：
引用格式：
[1]崔博;陈伟;王宝祥;武鹏飞;陈颖-.基于灰色关联分析和超限学习机的高炉铁水硅含量预测)[J].冶金自动化,2022(01):54-62
A类：
B类：
灰色关联分析,超限学习机,高炉铁水,铁水硅含量,含量预测,炉温,实时预测,预测技术,高炉生产,稳定顺行,高炉炼铁,现场数据,grey,correlation,analysis,GCA,相关度,生产指标,extreme,learning,machine,ELM,算法模型,数据计算,报命,命中率,准确预报
AB值：
0.316756
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
