基于神经网络时间序列模型的高炉铁水硅含量智能预报
Metallurgical Industry Automation（2021）
摘要
为实现高炉炼铁过程中铁水硅含量的准确预测,针对高炉炼铁过程的非线性、时变、高维、大时滞等特点,构建了基于时间序列的铁水硅含量预测样本集,分析了铁水硅含量在时间序列上的自相关性.采用时间序列加权移动平均法预处理样本数据,引入神经网络时间序列模型,深度挖掘历史多时刻铁水硅含量与当前时刻铁水硅含量之间的数量关系,经过多次权值、阈值的自适应调整,实现了高炉铁水硅含量智能预报.经仿真测试,模型预报误差绝对值多在0.2％以下,置信度约为95％,预测精度高,可应用于实践.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要