首钢高炉铁水温度神经网络预报模型的研究与应用

摘要

按照现代控制理论,把炼铁高炉视为多输入—单输出系统,利用时差与人工神经网络结合的方法,结合高炉生产实际建立首钢高炉铁水温度神经网络模型。通过自适应调整学习率并附加动量因子的梯度下降反向传播算法训练函数,提高网络收敛速度。采用不断更新学习样本集的方法提高铁水温度预报的命中率,可以为高炉操作提供有效性指导。