基于联级小波神经网络的LF精炼渣成分预报

LF炉精炼渣的成分是影响LF精炼是否达到目标的重要因素,而转炉渣成分获得是确定LF精炼渣成分的关键因素。基于神经网络有利于解决非线性问题的特点,构建了适合解决上述问题的联级预报模型。采用VB 6. 0进行编程,应用克服BP神经网络缺陷的小波神经网络,建立了联级小波神经网络。经研究分析确定,第1级网络结构为8×10×5,第2级网络结构为13×12×6,其中联级中的隐含层传递函数都为Morlet型函数,输出层传递函数都为S型函数。采用800炉数据进行模型训练,30炉数据现场验证表明,预报结果中32. 2%炉次的绝对值相对误差在5%以内,86. 1%炉次的绝对值相对误差在20%以内,最小绝对值相对误差为0,最大绝对值相对误差为33. 5%。该模型预测精度较高,可以满足实际生产中对精炼渣成分预报精度的要求。