论文部分内容阅读
针对超高功率电弧炉炼钢过程的复杂性、非线性和不确定性，建立了基于BP算法的神经网络预报模型。该模型以物料信息和目标温度为输入节点，对达到目标温度时所需的电耗进行预报，通过对模型网络结构的调整，提高了预报的命中率。仿真研究表明，当隐含层节点数为3，训练函数为traingdm时，预报值在±6％内的命中率为83％。