摘要：由于高炉炼铁过程的动态特性,因此铁水硅含量的预测有极大难度,现有预测方法的精度不高。针对这一问题,提出一种利用Elman-Adaboost强预测器实现硅含量预测的方法。与通常使用的将反向传播(Back Propagation,BP)神经网络作为弱预测器的方法不同,本方法采用能更好地反映数据间动态特性的Elman神经网络作为弱预测器,然后利用Adaboost算法融合多个弱预测器组成一个强预测器。该模型用于某钢厂硅含量的预测,其平均预测命中率达到了94.8%,证明了其有效性。通过与单一BP神经网络、Elman神经网络以及BP-Adaboost强预测器的预测结果比较,Elman-Adaboost强预测器的预测精度高,为铁水硅含量的预测提供了一种新的途径。
分类：期刊> 自然科学与工程技术> 工程科技I> 冶金工业
收录：知网收录(中) > 维普收录(中) > 万方收录(中) > 哥白尼索引(波兰) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：高炉炼铁 硅含量 预测 bp神经网络 elman神经网络 adaboost算法
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
