典型文献
基于GA-BP神经网络预测转炉出钢过程Mn元素合金化收得率
文献摘要：
转炉脱氧合金化是转炉冶炼工艺的最后一步,钢液内合金成分含量控制是否精确直接影响着精炼工序的冶炼难度与冶炼周期.合金收得率是转炉合金操作人员配加合金时的重要参考标准.合金元素收得率判断的准确性直接影响着钢水成分稳定性与生产成本.通过理论分析和实际数据验证,选取了9项影响锰收得率的可观测指标,并借助因子分析法对数据进行降维处理,得到6个公因子矩阵作为模型的输入,以锰收得率为模型的输出,建立基于GA-BP神经网络的锰收得率预测模型.结果表明,模型的回归系数R2=0.71478,平均误差为0.01,预测精度98％ 以上的炉次占总炉次的75％,预测的精度较高,对实际生产具有一定的指导意义.
文献关键词：
锰收得率;因子分析;预测模型;影响因素;BP神经网络
中图分类号：
作者姓名：
何孝雨;王敏;冀建立;包燕平;杨俊峰;王仲亮
作者机构：
北京科技大学钢铁冶金新技术国家重点实验室,北京100083;首钢股份公司迁安钢铁公司,河北迁安064400
文献出处：
引用格式：
[1]何孝雨;王敏;冀建立;包燕平;杨俊峰;王仲亮-.基于GA-BP神经网络预测转炉出钢过程Mn元素合金化收得率)[J].炼钢,2022(04):14-20
A类：
锰收得率
B类：
GA,神经网络预测,Mn,合金化,脱氧合金,转炉冶炼,冶炼工艺,钢液,合金成分,成分含量,精炼,冶炼周期,操作人员,参考标准,合金元素收得率,钢水成分,实际数据,数据验证,观测指标,因子分析法,降维处理,子矩阵,回归系数,平均误差
AB值：
0.27242
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。
