改进深度信念网络的转炉耗氧量预测

发布时间：2021-03-14 08:52

　　为降低炼钢能耗,提高炼钢的产量、质量及炼钢过程中的耗氧量预测精度,针对某钢厂的转炉,基于海量历史数据,提出一种基于深度学习的改进深度信念网络（DBN）转炉耗氧量预测模型。通过引入高斯伯努利受限玻尔兹曼机（GBRBM）,解决传统DBN中受限玻尔兹曼机（RBM）所引起的在连续输入时造成的信息丢失问题。首先经过数据预处理,再采用灰色关联度法,找出影响耗氧量的主导因素,最后将其作为GBRBM-DBN模型的输入,建立GBRBM-DBN模型,并通过仿真验证该方案的可行性。结果表明:该方案能够准确地预测炼钢过程中的耗氧量,预测精度高,泛化性强,可为实际生产提供理论指导。 

【文章来源】：中国测试. 2020,46(06)北大核心

【文章页数】：6 页

【参考文献】：
期刊论文
[1]改进的深度信念网络肺结节良恶性分类[J]. 张婷,赵文婷,赵涓涓,强彦.  计算机工程与设计. 2018(09)
[2]基于深度信念网络的建筑物用水流量预测[J]. 姚腾辉,李峰.  软件导刊. 2018(10)
[3]提高淮钢转炉终点温度命中率的工艺优化[J]. 王鹏,吴伟,孟华栋,印传磊,李相臣.  钢铁. 2018(03)
[4]深度学习及其在图像分类识别中的研究综述[J]. 孙瑜阳.  信息技术与信息化. 2018(01)
[5]深度置信网络模型及应用研究综述[J]. 刘方园,王水花,张煜东.  计算机工程与应用. 2018(01)
[6]转炉炼钢耗氧量预测模型研究[J]. 赵辉,易晓敏,王红君,岳有军.  计算机仿真. 2017(01)
[7]基于PSO优化SVM的转炉炼钢用氧量预测研究[J]. 秦波,吴庆朝,张娟娟,王建国,张文兴.  测控技术. 2014(12)
[8]热工过程建模中的数据处理方法研究[J]. 田沛,温兴贤.  计算机仿真. 2013(08)

硕士论文
[1]基于深度信念网络的人脸识别[D]. 刘天宇.大连海事大学 2017
[2]基于BP神经网络的转炉供氧模型的研究与应用开发[D]. 付佳.冶金自动化研究设计院 2014



本文编号：3081859