摘要：高炉炼铁是一种具有强时延性的非线性系统,本文针对高炉炼铁过程中含硅量[Si]的动态预测问题,进行了数据挖掘与模型建立。首先对数据进行了预处理,包括3σ原则验证与归一化处理。同时[Si]预测问题可看做一个多输入单输出的多元时间序列问题,本文选取了优化PSO-BP神经网络算法来得到多元时间序列模型。在一步预测模型的基础上,通过将一步预测结果作为二步预测的变量的方法,进一步建立了[Si]的二步预测模型。最后结合模型的预测图以及各类性能指标对[Si]预测模型进行了评估分析。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社