基于灰色关联分析和超限学习机的高炉铁水硅含量预测
Prediction of silicon content in hot metal of blast furnace based on grey correlation analysis and extreme learning machine作者机构:华北理工大学人工智能学院 华北理工大学冶金与能源学院 河北省高品质钢连铸工程技术研究中心
出 版 物:《冶金自动化》 (Metallurgical Industry Automation)
年 卷 期:2022年第46卷第1期
页 面:54-62页
学科分类:080602[工学-钢铁冶金] 08[工学] 0806[工学-冶金工程] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程]
基 金:河北省自然科学基金资助项目(E2012209025)
主 题:高炉 铁水硅含量 算法模型 灰色关联分析 超限学习机
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。