钢铁研究学报

作者：尹林子，李乐，蒋朝辉

单位：1.中南大学物理与电子学院，湖南长沙410012；2.中南大学信息与工程学院，湖南长沙410083

关键词：关键词：预测,铁水硅含量,粗糙集,神经网络,kNN

摘要：高炉铁水硅含量预测对调控炉温和稳定炉况具有重要作用。基于粗糙集理论与神经网络模型对铁水硅含量进行预测。采用粗糙集理论对输入参数进行约简，得到优化的输入集，结合BP(back propagation)神经网络实现高炉硅含量的预测。同时，针对炉况波动较大情况下神经网络模型预测误差大的问题，建立波动知识库，利用kNN(k Nearest Neighbor)算法匹配识别波动炉况，对预测结果进行补偿。以国内某钢铁厂实际高炉生产数据进行验证，该方法在预测误差为±0.1％以内时预测命中率达到91.74％，可为高炉操作者判断炉况提供参考。

来源：2019年第8期

《钢铁研究学报》期刊编辑部

查看钢铁研究学报杂志2019年第8期