一种基于极限学习机的转炉炼钢终点锰含量预测方法.pdf
书生****文章
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于极限学习机的转炉炼钢终点锰含量预测方法.pdf
本发明公开了一种基于极限学习机的转炉炼钢终点锰含量预测方法,采集转炉炼钢实际生产所涉及的数据,找到影响转炉炼钢终点锰含量的影响因素,然后对所选取的样本数据进行预处理并根据这些数据来确定极限学习机输入节点个数、输出节点个数,之后,将训练数据集输入极限学习机中完成对极限学习机的训练,最后输入剩余的样本数据,完成对转炉炼钢终点锰含量的预测,通过极限学习机对转炉炼钢终点锰含量进行预测,在训练过程中不需要调整网络的输入权值以及隐藏层的偏置,只需设置网络的隐藏层节点个数,就能产生唯一的最优解,且该模型训练速度快、预测
基于正则化极限学习机的转炉炼钢终点锰含量预测方法.pdf
本发明提出基于正则化极限学习机的转炉炼钢终点锰含量预测方法,包括以下步骤:正则化极限学习机的输入变量的选取、样本数据的预处理、归一化处理、构建正则化极限学习机和通过正则化极限学习机进行转炉炼钢终点锰含量预测;本发明通过正则化极限学习机对转炉炼钢终点锰含量进行预测,在训练过程中不需要调整网络的输入权值以及隐藏层的偏置,只需设置网络的隐藏层节点个数、正则化系数和激活函数就能产生唯一的最优解,且该模型训练速度快、预测精度高、适应性较好,同时该方法测量适应性好、训练时间短、不易陷入局部最优值,可以明显提高转炉炼钢
基于改进正则化极限学习机的转炉终点锰含量预测方法.pdf
本发明公开了一种基于改进正则化极限学习机的转炉终点锰含量预测方法,首先,采集转炉炼钢实际生产所涉及的数据,找到影响转炉炼钢终点锰含量的影响因素,确定模型的输入变量,建立了基于正则化极限学习机(RELM)的转炉炼钢终点锰含量预测模型,在终点锰含量的预测过程中,采用改进粒子群优化算法(IPSO)对RELM模型的输入层权值和隐含层偏差进行优化,建立了基于改进粒子群算法优化正则化极限学习机(IPSO‑RELM)的转炉炼钢终点锰含量预测模型。采用转炉现场实际冶炼数据对该锰含量预测方法进行检验,结果表明本方法的预测精
基于膜算法进化极限学习机的氧气转炉炼钢终点预报模型.docx
基于膜算法进化极限学习机的氧气转炉炼钢终点预报模型随着钢铁产业的发展,氧气转炉炼钢已成为炼钢工艺的主流,其优点在于操作简单、产量高、成分易于控制等。然而,在炼钢过程中,终点预报对炉料的配比调整、钢液质量控制和钢水出炉时间等均具有重要意义。因此,开发可靠的预测模型对于提高炼钢生产效率和质量至关重要。本文基于膜算法进化极限学习机(MEMELM)实现氧气转炉炼钢终点预报模型,并对其预测性能进行评估。一、终点预报模型的基本原理对于氧气转炉炼钢而言,其终点预报模型的基本原理是根据钢水中不同元素的浓度变化规律预测终点
基于卷积神经网络的转炉炼钢终点碳含量预测方法.docx
基于卷积神经网络的转炉炼钢终点碳含量预测方法基于卷积神经网络的转炉炼钢终点碳含量预测方法摘要:随着钢铁行业的发展,精确预测炼钢过程中的终点碳含量对于确保钢铁产品质量具有重要意义。本论文基于卷积神经网络(CNN)提出了一种用于转炉炼钢过程中终点碳含量预测的方法。首先,通过对炉次历史数据进行预处理,提取特征变量。然后,构建卷积神经网络模型,通过对历史数据的学习,实现终点碳含量的预测。最后,通过实验验证了该方法的有效性和准确性。关键词:卷积神经网络,转炉炼钢,终点碳含量,预测引言:钢铁是现代工业的重要材料之一,