论文部分内容阅读
在对样本数据进行预处理的基础上,建立一个具有自适应残差补偿的改进BP神经网络动态预报模型,并对神经网络的学习参数进行自适应调整.将该模型应用于铜锍吹炼过程所需的氧气量进行预报.仿真结果表明,预报最大相对误差为3.97%,最小相对误差可以达到0.11%.该模型已应用于实际生产,具有精确度高、实用的优点.