摘要
针对热连轧带钢生产过程中钢材内部一系列复杂的相变与物理变化以及涉及到的海量数据,可利用数据挖掘基本方法建立模型,提取规则,实现热连轧带钢生产的性能预测与评价功能。本文使用径向基函数神经网络建立模型,实现热轧产品性能预测。径向基函数神经网络在逼近能力、学习速度等方面都优于传统BP神经网络,本文将根据二者网络结构说明径向基函数神经网络的优越性。
Because of the complex series of phase and physical change ,as well as large amounts of data in hot rolling of steel strip production process, tract rules and achieve the performance prediction and function evaluation of hot rolling strip production. The article uses radial basis function （RBF） neural network to model,and implement the performance prediction of hot rolling strip production. The RBF neural network is better than the traditional BP neural network when considering approximation capabilities, learning rate and so on. This paper shows the superiority of RBF neural network according to the network structures of RBF and BP.
出处
《广西师范大学学报（自然科学版）》
CAS
北大核心
2010年第3期182-186,共5页
Journal of Guangxi Normal University:Natural Science Edition
基金
国家自然科学基金资助项目(90924029
10761007)
国家重点科技研究发展计划项目(2006BAH03B05)
国家高技术研究发展计划项目(2009AA04Z136)
