高爐鐵水硅含量的神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)

1、2010年4月第18卷第2期河南冶金Apr.2010HENANMETALLURGYVo.l18No.2高爐鐵水硅含量的神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)李昕畢學(xué)工(武漢科技大學(xué)，鋼鐵冶金及資源利用省部共建教育部重點(diǎn)實(shí)驗(yàn)室)摘要通過神經(jīng)網(wǎng)絡(luò)對韶鋼8號(hào)高爐的部分生產(chǎn)數(shù)據(jù)進(jìn)行了鐵水Si含量的預(yù)報(bào)確定了w(Si)的主要影響因素，構(gòu)建了較好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并根據(jù)預(yù)報(bào)結(jié)果提出了判定爐熱變化趨勢的符合率的標(biāo)準(zhǔn)。關(guān)鍵字高爐硅含量神經(jīng)網(wǎng)絡(luò)NEURALNETWORKPREDICTIONOFBLASTFURNACEHOTMETALSILICONCONTENTLiXinBiXuegong(KeyLaboratoryforFerrousMe

2、tallurgyandResourcesUtilizationofMinistryofEducation,WuhanUniversityofScienceandTechnology)ABSTRACTAccordingtotheproductiondataofNo.8BFinShaogangcompany,hotmetalsiliconcontentwaspredictedbyusinganeuralnetwork,themaininfluencingfactorsofthesiliconcontenthavebeendeterminedandabetternetworktopologyhasb

3、eenconstructed,and,onthebasisofthepredictionresults,astandardofcoincidencerateaboutBFthermalstatetrendhasalsobeenproposed.KEYWORDSBlastfurnaceSiliconcontentNeuralnetwork0前言高爐鐵水的硅含量不僅是衡量產(chǎn)品質(zhì)量的一個(gè)重要標(biāo)志，而且反映了高爐能量利用的水平，具變化的幅度及趨勢更是直接反映了高爐熱狀態(tài)的穩(wěn)定程度，在冶煉過程中，如果能及時(shí)地掌握鐵水中Si的含量及其變化的趨勢，并做出較精確的估計(jì)，則對于及時(shí)采取調(diào)節(jié)措施穩(wěn)定熱制度，減少爐

4、況的波動(dòng)，提高生鐵質(zhì)量和降低焦比等，都是非常有利的。由于高爐冶煉是一個(gè)不均勻、非線性和大噪聲的高溫過程，一般的靜態(tài)模型無法反映高爐過程動(dòng)態(tài)變化特征，而神經(jīng)網(wǎng)絡(luò)是對生物神經(jīng)系統(tǒng)的模擬，具有自學(xué)習(xí)、自組織、自適應(yīng)和非線性動(dòng)態(tài)處理等特性，并具有較強(qiáng)的抗噪聲能力和聯(lián)想能力，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)報(bào),不需像其他預(yù)報(bào)模型那樣建立一種顯式的預(yù)報(bào)公式，是一種很有發(fā)展前途的預(yù)報(bào)方式1圖1三層網(wǎng)絡(luò)的結(jié)構(gòu)及算法樣本信號(hào)xi經(jīng)歸一化處理后從輸入結(jié)點(diǎn)經(jīng)隨機(jī)賦予的極小權(quán)值加權(quán)求和，經(jīng)S型函數(shù)傳播到隱含層，得出隱含層的輸出br,隱含層存儲(chǔ)的信息br再經(jīng)加權(quán)求和及S型函數(shù)處理后傳向輸出層，得到輸出結(jié)果cj,這稱為BP網(wǎng)絡(luò)的正向傳

5、播。計(jì)算公式如下3m(1o筆者采用韶鋼8號(hào)高爐在2009年12月的110br=f(i)Wirxi=1u)+Tr)(1)(2)爐實(shí)測數(shù)據(jù)，使用神經(jīng)網(wǎng)絡(luò)建立鐵水硅含量的預(yù)報(bào)模型，將預(yù)報(bào)的Si含量與實(shí)際鐵水Si含量進(jìn)行了比較，結(jié)果誤差較小。1BP網(wǎng)絡(luò)的工作原理BP網(wǎng)絡(luò)(2cj=f(i)Vrjbr)+j)=1式中:Wir輸入層與隱含層節(jié)點(diǎn)間連接權(quán)值;Vrj隱含層與輸出層節(jié)點(diǎn)連接權(quán)值;Tr隱含層節(jié)點(diǎn)閾值;j輸出層節(jié)點(diǎn)閾值;是一種多層神經(jīng)網(wǎng)絡(luò)模型，它包括輸入層和¥&出層，并有一層或多層中間層。其網(wǎng)絡(luò)結(jié)構(gòu)以三層網(wǎng)絡(luò)為例，如圖1輸入了隘含層始出信g的庭】傳播二一二誤差的反向傳播所示。l訓(xùn)練的

6、次數(shù)；m、u、n輸入層、隱含層、輸出層節(jié)點(diǎn)數(shù)。,.武漢(;:201012622河南冶金2010年第4期這里采用的S型函數(shù)為：f(x)=-x1+e2.2輸入結(jié)點(diǎn)選取神經(jīng)網(wǎng)絡(luò)的輸入結(jié)點(diǎn)并不是越多越好，當(dāng)某參數(shù)與Si含量存在較規(guī)律的對應(yīng)關(guān)系時(shí)，將其作為輸入結(jié)點(diǎn)能提高網(wǎng)絡(luò)預(yù)報(bào)的準(zhǔn)確性，反之則應(yīng)舍棄這個(gè)參數(shù)。因此在輸入結(jié)點(diǎn)選取時(shí)，采用逐步增加輸入結(jié)點(diǎn)的方法，對預(yù)報(bào)值和實(shí)際值進(jìn)行誤差分析和誤差大小評(píng)定，從而選取最合適的輸入節(jié)點(diǎn)。本文進(jìn)行誤差大小判斷時(shí)，分別根據(jù)以下三個(gè)標(biāo)準(zhǔn)進(jìn)行，然后再做綜合評(píng)價(jià)：1)預(yù)報(bào)值的在連續(xù)爐次中的數(shù)值變化方向與實(shí)測值的數(shù)值變化方向的符合程度。2)預(yù)報(bào)值的誤差在某一范圍內(nèi)的準(zhǔn)確率，也

7、稱為命中率。3)預(yù)報(bào)值的誤差均值E。誤差均值的計(jì)算方法為：E=!(!n)n0式中:n預(yù)報(bào)值個(gè)數(shù);!預(yù)報(bào)值誤差。2.3隱含層結(jié)點(diǎn)數(shù)選取由于高爐的爐熱是被多種復(fù)雜因素影響的結(jié)果，其數(shù)學(xué)模型必然是一個(gè)關(guān)于輸入結(jié)點(diǎn)的多元高次方程組，對于這種復(fù)雜的神經(jīng)元網(wǎng)絡(luò)，在多次訓(xùn)練中發(fā)現(xiàn)當(dāng)隱含層結(jié)點(diǎn)數(shù)接近于或大于輸入結(jié)點(diǎn)時(shí)，在相同的訓(xùn)練次數(shù)下所得出的誤差均值更小(如圖2所示)，或者說能更快地收斂于某個(gè)規(guī)定值。因此，對于輸入層結(jié)點(diǎn)為n的網(wǎng)絡(luò)，在調(diào)試時(shí)從隱含層個(gè)數(shù)為n-1開始，依次增加2點(diǎn)個(gè)數(shù)，選取相同訓(xùn)練次數(shù)下誤差最小的結(jié)點(diǎn)個(gè)數(shù)作為最終用于預(yù)報(bào)的網(wǎng)絡(luò)結(jié)構(gòu)。(8)若輸出層得不到希望的輸出，則將誤差信號(hào)dj由輸出層向前反

8、向傳播至隱含層，對其分配誤差er根據(jù)誤差逐層修正各層神經(jīng)元連接的權(quán)值，此過程不斷迭代，直至信號(hào)誤差達(dá)到允許的范圍之內(nèi)。計(jì)算方式如下：dj=cj(1-cj)(yju1 l)-cj)(4)(5)(6)er=br(1-br)r!(VrjDj)=1Vir(l+1)=Vrj(l)+brdjWir(l+1)=Wir(l)+xier式中：、動(dòng)量因子，影響訓(xùn)練的快慢。BP網(wǎng)絡(luò)通過學(xué)習(xí)，確定了輸入、輸出間的最優(yōu)非線性關(guān)系，并將其分布到網(wǎng)絡(luò)的連接權(quán)上，在面對一組新的樣本數(shù)據(jù)時(shí)，只需通過已確定的連接權(quán)矩陣進(jìn)行運(yùn)算，此時(shí)的輸出結(jié)果即為新樣本空間對應(yīng)的預(yù)測值。2 BP網(wǎng)絡(luò)模型的訓(xùn)練2.1數(shù)據(jù)選取選取數(shù)據(jù)庫中前83爐(2

9、009年12月21日18時(shí)27日8時(shí))數(shù)據(jù)彳乍為BP網(wǎng)絡(luò)的訓(xùn)I練樣本，后27爐數(shù)據(jù)(27日9時(shí)29日10時(shí))作鐵水Si含量預(yù)測。在采集到的數(shù)據(jù)中，鐵水成分?jǐn)?shù)據(jù)的采集周期約為2h,其他參數(shù)通過儀表采集，采集周期為1min。爐熱指數(shù)及溶損碳量采取15min平均值進(jìn)行計(jì)算，因此其采集周期為15min。影響高爐爐熱狀態(tài)的因素很多，既有入爐原料、裝料方式等基本條件，又有各種操作制度的影響，且各個(gè)參數(shù)之間都存在相關(guān)性作為輸入結(jié)點(diǎn)的候選數(shù)據(jù)。由于大部分高爐參數(shù)對高爐熱水平的影響都具有滯后性，因此在選取數(shù)據(jù)時(shí)應(yīng)考慮各參數(shù)的影響滯后時(shí)間。鐵水成分?jǐn)?shù)據(jù)是表征當(dāng)前爐熱水平的重要依據(jù)，對連續(xù)出鐵的高爐來說，上一時(shí)間段

10、測出的鐵水?dāng)?shù)據(jù)是當(dāng)前爐熱水平的重要參考，因此鐵水成分?jǐn)?shù)據(jù)選用上一爐次。根據(jù)各參數(shù)與Si含量的時(shí)序?qū)?yīng)關(guān)系54，因此可考慮將所有采集到的參數(shù)，以及利用采集參數(shù)計(jì)算的某些指數(shù)圖2隱含層結(jié)點(diǎn)數(shù)對訓(xùn)練樣本擬合程度的影響，對于風(fēng)量、風(fēng)溫、風(fēng)壓、透氣性指數(shù)、2.4網(wǎng)絡(luò)結(jié)構(gòu)選取選取網(wǎng)絡(luò)結(jié)構(gòu)時(shí)對輸入結(jié)點(diǎn)的選取參數(shù)和隱含層結(jié)點(diǎn)個(gè)數(shù)都進(jìn)行了調(diào)整，這是一種同時(shí)考慮雙因素變化的方法。首先選取至少兩個(gè)與訓(xùn)練目標(biāo)具有良好對應(yīng)關(guān)爐熱指數(shù)、爐頂煤氣溫度、爐頂煤氣CO、CO2采用1h3h前的數(shù)據(jù);對濕度采取2h4h前的數(shù)據(jù);對富氧采取1h2h前的數(shù)據(jù)；考慮噴煤的熱滯后影響，采用3h4h前的數(shù)據(jù)，采集數(shù)據(jù)后對數(shù)據(jù)0, 10。.Q

11、90. QH0. 070*06 由L ? 0.050+ 01(),(130.020, 010.00輸入結(jié)點(diǎn)數(shù)為7、訓(xùn)原系數(shù)為0.91輸入?yún)?shù)不同、同樣證練次數(shù)F2含層結(jié)點(diǎn)數(shù)對樣本按合程度的影響1fl102M16蜴2022一一結(jié)一2010年第4期河南冶金23發(fā)現(xiàn)鐵水成分?jǐn)?shù)據(jù)中S、Mn與Si含量存在很好的對應(yīng)關(guān)系，因此選取上一爐鐵水成分中Si、S、Mn作為初始輸入結(jié)點(diǎn)，將隱含層結(jié)點(diǎn)數(shù)從2開始一直增加，對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，選取訓(xùn)練樣本誤差均值E最小時(shí)的隱含層結(jié)點(diǎn)數(shù)，由此確定的網(wǎng)絡(luò)結(jié)構(gòu)，對這三個(gè)輸入?yún)?shù)的擬合度最高。采用此網(wǎng)絡(luò)結(jié)構(gòu)對Si含量進(jìn)行預(yù)報(bào)，對預(yù)報(bào)值與實(shí)測值進(jìn)行誤差分析和誤差大小評(píng)定。逐個(gè)增加高爐

12、參數(shù)作為輸入層結(jié)點(diǎn)，通過在輸入層參數(shù)不變的情形下調(diào)節(jié)隱含層結(jié)點(diǎn)數(shù)的方法,選用輸入結(jié)點(diǎn)的參數(shù)擬合度最高的網(wǎng)絡(luò)結(jié)構(gòu)。將預(yù)報(bào)結(jié)果與未選用此參數(shù)作輸入結(jié)點(diǎn)時(shí)的預(yù)報(bào)結(jié)果進(jìn)行對比分析，保留使預(yù)報(bào)值誤差均值減小的參數(shù)作輸入結(jié)點(diǎn)。經(jīng)過多次比較后發(fā)現(xiàn)，選用Si、S、Mn、TQ指數(shù)、透氣性指數(shù)、風(fēng)溫、風(fēng)量作為輸入結(jié)點(diǎn)，隱含層結(jié)點(diǎn)個(gè)數(shù)為17,即網(wǎng)絡(luò)結(jié)構(gòu)為7171時(shí)，網(wǎng)絡(luò)預(yù)報(bào)結(jié)果最好，結(jié)果如圖3L。：預(yù)報(bào)Si含最nu,r實(shí)際折含量0,80.710.60.2-0+0111105015202530|爐次所示。圖4實(shí)測硅含量與每15min網(wǎng)絡(luò)預(yù)報(bào)值的比較圖預(yù)報(bào)值并不是穩(wěn)定地向同一個(gè)方向發(fā)展，而且即使在預(yù)報(bào)值和實(shí)測值數(shù)值變化

13、的方向一致的情況下，也存在著變化程度的高低不同,導(dǎo)致反映的爐熱波動(dòng)幅度不一致，因此不能直接根據(jù)預(yù)報(bào)值和實(shí)測值的數(shù)值變化方向一致與否作為判定爐熱變化趨勢符合率的標(biāo)準(zhǔn)。3.2判定爐熱趨勢符合率的正確方法觀察圖4可以看出，在某些時(shí)段內(nèi)，雖然預(yù)報(bào)值和實(shí)測值的數(shù)值變化方向不總是保持一致，但預(yù)報(bào)值曲線與實(shí)測值曲線卻非常接近，故可將兩條曲線非常接近這種情況視為趨勢符合。由于判斷兩曲線接近程度的方法就是統(tǒng)計(jì)預(yù)報(bào)的命中率，因此預(yù)報(bào)誤差值在某一范圍內(nèi)的命中率的大小即可看作爐熱水平變化趨勢符合率。4結(jié)論1)采取了逐步增加隱含層結(jié)點(diǎn)的方法，通過訓(xùn)練誤差均值的比較，可以找出對樣本擬合程度最高圖3鐵水實(shí)測硅含量與網(wǎng)絡(luò)預(yù)報(bào)

14、值的比較圖的網(wǎng)絡(luò)結(jié)構(gòu)。同時(shí)還采取了逐步增加輸入層參數(shù)的方法，通過預(yù)報(bào)值誤差均值的比較,能更直觀地表示出各參數(shù)與Si含量的相關(guān)性，從而得到最優(yōu)化的網(wǎng)絡(luò)結(jié)構(gòu)。2)采用較短時(shí)間間隔的硅預(yù)報(bào)數(shù)據(jù)，對判斷爐熱趨勢符合率的標(biāo)準(zhǔn)進(jìn)行了探討，提出了預(yù)報(bào)誤差值在某一范圍內(nèi)的命中率可用來表示爐熱趨勢符合率。5參考文獻(xiàn)1劉金琨，鄧守強(qiáng)，蘇士權(quán).高爐鐵水硅含量的神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)報(bào)J.鋼鐵研究學(xué)報(bào),1996,8(3):63-66.2楊建剛.人工神經(jīng)網(wǎng)絡(luò)實(shí)用教程.杭州:浙江大學(xué)出版社，2001:41.3張景明，劉建國.粗糙集和BP神經(jīng)網(wǎng)絡(luò)在變壓器故障診斷中的應(yīng)用J.變壓器,2009,46(4):18-21.4姚斌,楊天鈞.鐵水硅預(yù)報(bào)神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的遺傳優(yōu)化生成J.車岡鐵,2000,35(4):13-16.5石進(jìn),李家新，周莉英，等.面向?qū)ο蟮母郀t熱狀態(tài)預(yù)測專家系統(tǒng)中知識(shí)庫的研究J.安徽工業(yè)大學(xué)學(xué)報(bào),2003,20(3):215-218.由圖3可以看出，預(yù)報(bào)值與實(shí)際Si含量的誤差范圍為？0.05的準(zhǔn)確率為55.6%,誤差范圍為？0.1的準(zhǔn)確率為88.9%,誤差均值E為0.0786，其數(shù)值變化趨勢符合率為57.69%。3對爐熱趨勢符合率判定方