基于领域知识表征方法的神经网络模型在炼焦质量预测中的应用

摘要

通常神经网络的运用是仅在数据驱动机制下的训练和泛化．而运用领域知识对神经网络的输出进行分析能弥补模型结果指向性下明确或解释性下准确的缺点，能加速逼近搜索，提高质量预测的效果．通过对比前向网络和基于领域知识的前向网络的预测误差发现基于领域知识的前向网络的预测结果更好．在不同的焦炭质量参数上看M_25的预测效果最好，前向网络和基于领域知识的前向网络平均预测误差分别为3．20％和2．12％；而CRI的预测效果最差，平均误差分别为6．36％和3．35％．