...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Steel Research >Artificial neural nets for prediction of silicon content of blast furnace hot metal
【24h】

Artificial neural nets for prediction of silicon content of blast furnace hot metal

机译：人工神经网络预测高炉铁水硅含量

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Herkömmliche Modelle zur Vorausberechnung des Siliciumgehalts im Hochofen-Roheisen werden kurz angerissen. Vier verschiedene künstliche neuronale Netzmodelle (ANN) werden trainiert und mit Betriebsdaten des Hochofens der Visakhapatnam Stahl getestet. Hierzu gehören der Rückrechnung-salgorithmus BPA, der dynamische Lerngeschwindigkeitsalgorithmus, das FLN (Functional Link Netzwerk) sowie das Fuzzy Neuronale Netzwerk (FNN). Letzteres kann den Siliciummassengehalt im Roheisen mit einem Standardfehler (tatsächlicher: berechneter Wert) von 0,09% und einem Korrelationskoeffizienten von 0,86 vorausberechnen. Mit dem Rückrechnungsalgorithmus kommt man zu einem Standardfehler von 0,08% bzw. einem Korrelationskoeffizienten von 0,79.%Conventional models for prediction of silicon content of blast furnace hot metal are briefly reviewed. Four different artificial neural net (ANN) models, namely, back propagation algorithm (BPA), dynamic learning rate algorithm, functional link network (FLN) and fuzzy neural network (FNN), are trained and tested on operational data from blast furnace (BF1) at Visakhapatnam Steel Plant. FNN can predict silicon mass content of hot metal with a standard error (actual versus predicted) of 0.09% and correlation coefficient of 0.86; standard back propagation predicts with a standard error of 0.08 % and correlation coefficient of 0.79.
机译：简要概述了预测高炉生铁中硅含量的常规模型。使用来自Visakhapatnam钢高炉的运行数据对四种不同的人工神经网络模型（ANN）进行了培训和测试。这些包括反向计算算法BPA，动态学习速度算法，FLN（功能链接网络）和模糊神经元网络（FNN）。后者可以预测生铁中的硅质量含量，标准误差（实际值：计算值）为0.09％，相关系数为0.86。重新计算算法导致标准误差为0.08％或相关系数为0.79。％简要回顾了用于预测高炉铁水硅含量的常规模型。对高炉（BF1）的运行数据进行了训练并测试了四种不同的人工神经网络（ANN）模型，即反向传播算法（BPA），动态学习速率算法，功能链接网络（FLN）和模糊神经网络（FNN）。 ）在Visakhapatnam钢铁厂。 FNN可以预测铁水的硅含量，标准误差（实际值与预测值）为0.09％，相关系数为0.86；标准反向传播的标准误差为0.08％，相关系数为0.79。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号