基于神经网络和自适应残差补偿的炼铜转炉吹炼终点预报模型

讨论了权值初始化、变量的预处理、学习过程参数的自适应调节、网络拓扑结构等因素对学习和推广的影响 ,提出了一种改进的BP神经网络学习算法 ,在很大程度上改善了学习效率。采用改进的带有 8个输入变量的BP神经网络算法和自适应残差补偿算法建立吹炼终点组合预报模型。利用某厂实际生产数据进行仿真运行的结果表明 ,利用该组合预报模型得到的平均相对预测误差为 1 .2 % ,最大误差为 4%。