為降低煉鋼能耗,提高煉鋼的產(chǎn)量、質(zhì)量及煉鋼過(guò)程中的耗氧量預(yù)測(cè)精度,針對(duì)某鋼廠的轉(zhuǎn)爐,基于海量歷史數(shù)據(jù),提出一種基于深度學(xué)習(xí)的改進(jìn)深度信念網(wǎng)絡(luò)（DBN）轉(zhuǎn)爐耗氧量預(yù)測(cè)模型。通過(guò)引入高斯伯努利受限玻爾茲曼機(jī)（GBRBM）,解決傳統(tǒng)DBN中受限玻爾茲曼機(jī)（RBM）所引起的在連續(xù)輸入時(shí)造成的信息丟失問(wèn)題。首先經(jīng)過(guò)數(shù)據(jù)預(yù)處理,再采用灰色關(guān)聯(lián)度法,找出影響耗氧量的主導(dǎo)因素,最后將其作為GBRBM-DBN模型的輸入,建立GBRBM-DBN模型,并通過(guò)仿真驗(yàn)證該方案的可行性。結(jié)果表明:該方案能夠準(zhǔn)確地預(yù)測(cè)煉鋼過(guò)程中的耗氧量,預(yù)測(cè)精度高,泛化性強(qiáng),可為實(shí)際生產(chǎn)提供理論指導(dǎo)。 

【文章來(lái)源】：中國(guó)測(cè)試. 2020,46(06)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的深度信念網(wǎng)絡(luò)肺結(jié)節(jié)良惡性分類(lèi)[J]. 張婷,趙文婷,趙涓涓,強(qiáng)彥.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(09)
[2]基于深度信念網(wǎng)絡(luò)的建筑物用水流量預(yù)測(cè)[J]. 姚騰輝,李峰.  軟件導(dǎo)刊. 2018(10)
[3]提高淮鋼轉(zhuǎn)爐終點(diǎn)溫度命中率的工藝優(yōu)化[J]. 王鵬,吳偉,孟華棟,印傳磊,李相臣.  鋼鐵. 2018(03)
[4]深度學(xué)習(xí)及其在圖像分類(lèi)識(shí)別中的研究綜述[J]. 孫瑜陽(yáng).  信息技術(shù)與信息化. 2018(01)
[5]深度置信網(wǎng)絡(luò)模型及應(yīng)用研究綜述[J]. 劉方園,王水花,張煜東.  計(jì)算機(jī)工程與應(yīng)用. 2018(01)
[6]轉(zhuǎn)爐煉鋼耗氧量預(yù)測(cè)模型研究[J]. 趙輝,易曉敏,王紅君,岳有軍.  計(jì)算機(jī)仿真. 2017(01)
[7]基于PSO優(yōu)化SVM的轉(zhuǎn)爐煉鋼用氧量預(yù)測(cè)研究[J]. 秦波,吳慶朝,張娟娟,王建國(guó),張文興.  測(cè)控技術(shù). 2014(12)
[8]熱工過(guò)程建模中的數(shù)據(jù)處理方法研究[J]. 田沛,溫興賢.  計(jì)算機(jī)仿真. 2013(08)

碩士論文
[1]基于深度信念網(wǎng)絡(luò)的人臉識(shí)別[D]. 劉天宇.大連海事大學(xué) 2017
[2]基于BP神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐供氧模型的研究與應(yīng)用開(kāi)發(fā)[D]. 付佳.冶金自動(dòng)化研究設(shè)計(jì)院 2014



本文編號(hào)：3081859