技术总结
本发明公开了一种基于滑动窗口T‑S模糊神经网络模型的铁水硅含量预测方法，属于工业过程监控、建模和仿真领域。首先，选取T‑S模糊神经网络作为预测的基础模型；其次，在这个神经网络的基础上增加了滑动窗口模型，可以不断地更新训练样本集，以便更好的跟踪硅含量的变化趋势；然后根据实际经验和互信息计算选取了11个对铁水硅含量影响最大的参数作为模型的输入，铁水硅含量作为模型的输出；最后，将训练样本归一化后用于训练模型，将训练好的模型用于生产过程中铁水硅含量的预测。炼铁过程中高炉的时变、动态、非线性、强惯性和多尺度的特性，造成了铁水硅含量的剧烈波动并且不可预见。本发明相比于现有的发明具有更高的精度、更小的均方误差，并且可用于线上实时预测。
技术研发人员：杨春节;周恒
受保护的技术使用者：浙江大学
文档号码：201611269293
技术研发日：2016.12.31
技术公布日：2017.05.24