基于优化BP神经网络的SHARC电弧炉终点温度预报模型OA

电弧炉终点温度是冶炼过中的关键生产指标.本文中以130 t SHARC电弧炉为研究对象,基于炉内能量守恒原理,通过相关性分析,明确影响终点温度各因素的主次关系,最终确定预报模型的10个输入变量.为提升模型的预报精度,在反向传播(BP)神经网络中引入L2正则化系数并优化网络结构,对比不同的优化器对模型性能的影响;采用平均绝对误差和命中率作为模型性能评价指标.研究结果表明,当L2正则化系数为0.17、优化器为Adam、BP神经网络结构为10×14×230×1时,所建立的终点温度预报模型的性能较未优化模型有显著提升.选取连续90炉实际生产数据对优化后的模型进行验证,结果显示,当温度误差分别控制在±10℃和±15℃时,模型命中率分别达到88.9%和95.5%,这验证了该模型的实用性与可靠性.