论文部分内容阅读
为实现铜转炉渣产出量的及时准确预报，提出应用数据挖掘技术从现场积累的大量生产数据中发掘相关规律。首先应用线性回归技术建立了仅考虑主要影响因素（铜锍含铁量）的粗略预报模型，而后，应用神经网络技术建立了考虑到多个次要影响因素的误差补偿模型，从而改进预报效果。利用实际生产数据对模型进行了仿真测试，仿真结果表明，模型预报效果良好。