本文選題：大數據　切入點：建模　出處：《鋼鐵》2016年05期 　論文類型：期刊論文

【摘要】：在應用C-Mn鋼工業(yè)大數據進行神經網絡建模時,如果將大量原始數據不加處理或者經過簡單的剔除異常值處理后進行建模,很容易建立滿足一定精度要求的模型。但是,如果進一步研究模型的規(guī)律性,卻常常有違背客觀規(guī)律的情況。這是由于原始數據中大量的數據相互干擾和生產數據的離散分布造成的。因此在建模過程中,需要將冗余和誤差較大的數據剔除,保證訓練數據和預測數據的均勻分布,這樣能夠在減小建模的計算量的同時保證數據具有顯著的規(guī)律性,從而建立出合理的模型。文章利用Bayes神經網絡建立了多種牌號C-Mn鋼力學性能預測模型,并對影響屈服強度的工藝參數進行了分析。經統(tǒng)計,屈服強度和抗拉強度的預測數據中分別有96.64%和99.16%的數據預測值和實測值絕對誤差在±30 MPa之內,伸長率的預測數據中有85.71%的數據預測值和實測值絕對誤差在±4%內。
[Abstract]:When using C-Mn steel industry big data to model the neural network, if a large number of raw data are not processed or the outliers are simply removed, it is easy to establish a model that meets the requirements of certain precision. If we further study the regularity of the model, there is often a violation of the objective law. This is caused by the large amount of data in the original data and the discrete distribution of the production data. Therefore, in the process of modeling, In order to ensure the uniform distribution of the training data and the prediction data, the redundant data and the large error data should be eliminated, so as to reduce the computational cost of the modeling and ensure that the data have remarkable regularity. In this paper, several prediction models of mechanical properties of C-Mn steel grades are established by using Bayes neural network, and the process parameters affecting the yield strength are analyzed. In the yield strength and tensile strength prediction data, the absolute errors of the predicted and measured values of 96.64% and 99.16% are within 鹵30 MPa, respectively, and 85.71% of the predicted data of elongation are within 鹵4%.
【作者單位】： 東北大學軋制及連軋自動化國家重點實驗室;鞍鋼股份有限公司第三煉鋼連軋廠;
【基金】：鋼鐵聯(lián)合基金重點資助項目(U1460204) 遼寧省自然科學基金資助項目(2015020180) 中央高�；究蒲袠I(yè)務費專項資金資助項目(N140704002)
【分類號】：TG335.11;TP274

【參考文獻】

相關期刊論文 前6條

1 ZHAO Yong-hong;WENG Yang;PENG Ning-qi;TANG Guang-bo;LIU Zheng-dong;;Prediction of Mechanical Properties of Hot Rolled Strip by Using Semi-Parametric Single-Index Model[J];Journal of Iron and Steel Research(International);2013年07期

2 劉學偉;胡恒法;;基于BP神經網絡的BNS440熱軋板力學性能預測[J];梅山科技;2010年04期

3 郭朝暉;張群亮;蘇異才;夏瑛;;關于熱軋帶鋼力學性能預報技術的思考[J];冶金自動化;2009年02期

4 關建東;康永林;杜昕;鄭躍強;;卷取溫度、冷軋總變形量對SPHD鋼力學性能的影響[J];材料開發(fā)與應用;2009年01期

5 賈濤;胡恒法;曹光明;劉振宇;王國棟;;基于組織-性能預測的集裝箱熱軋板工藝優(yōu)化[J];鋼鐵;2008年11期

6 王丹民;李華德;周建龍;梅兵;;熱軋帶鋼力學性能預測模型及其應用[J];北京科技大學學報;2006年07期

相關會議論文 前1條

1 鄒波;魏元;關菊;;BP神經網絡在熱軋帶鋼力學性能預報中的應用[A];2007中國鋼鐵年會論文集[C];2007年

相關博士學位論文 前1條

1 呂游;基于過程數據的建模方法研究及應用[D];華北電力大學;2014年

【共引文獻】

相關期刊論文 前10條

1 吳思煒;周曉光;曹光明;史乃安;劉振宇;王國棟;;熱軋C-Mn鋼工業(yè)大數據預處理對模型的改進作用[J];鋼鐵;2016年05期

2 胡恒法;;鋼鐵智能制造技術在鋼鐵行業(yè)的發(fā)展和展望[J];梅山科技;2014年06期

3 曹衛(wèi)華;李熙;吳敏;陳鑫;;基于極限學習機的熱軋薄板軋制力預測模型[J];信息與控制;2014年03期

4 楊洋;陶歆;;基于遺傳算法BP人工神經網絡的熱軋帶鋼力學性能預報模型[J];柳鋼科技;2014年03期

5 ZHAO Yong-hong;WENG Yang;PENG Ning-qi;TANG Guang-bo;LIU Zheng-dong;;Prediction of Mechanical Properties of Hot Rolled Strip by Using Semi-Parametric Single-Index Model[J];Journal of Iron and Steel Research(International);2013年07期

6 江秀霞;;一種熱軋帶鋼力學性能預報模型的適用性分析方法[J];寶鋼技術;2013年02期

7 郭朝暉;蘇異才;張群亮;王巍;張丕軍;;熱軋帶鋼性能預報技術研究中的幾個誤區(qū)[J];軋鋼;2013年01期

8 董思化;陳文波;譚忠君;李海;姬明月;;冷軋薄板沖壓性能的影響因素研究[J];硅谷;2013年01期

9 蘇異才;;寶鋼2050熱軋精準選樣系統(tǒng)[J];冶金自動化;2012年06期

10 欒彩霞;;結構用熱鍍鋅鋼帶的生產實踐[J];山東冶金;2012年01期

相關博士學位論文 前1條

1 袁世通;1000MW超超臨界機組建模理論與方法的研究[D];華北電力大學;2015年

【二級參考文獻】

相關期刊論文 前10條

1 郭朝暉;張群亮;蘇異才;夏瑛;;關于熱軋帶鋼力學性能預報技術的思考[J];冶金自動化;2009年02期

2 鄧天勇;吳迪;許云波;趙彥峰;劉相華;王國棟;;普碳鋼中厚板熱軋溫度制定的一種新的數學方法[J];金屬學報;2009年01期

3 ;Mechanical Property Prediction of Strip Model Based on PSO-BP Neural Network[J];Journal of Iron and Steel Research(International);2008年03期

4 ;Prediction of Rolling Load in Hot Strip Mill byInnovations Feedback Neural Networks[J];Journal of Iron and Steel Research(International);2007年02期

5 譚文;劉振宇;吳迪;王國棟;王春梅;;熱軋中厚板沖擊功的神經網絡預報模型[J];鋼鐵;2007年02期

6 閆志波;;冷軋薄板沖壓性能的影響因素[J];石家莊職業(yè)技術學院學報;2006年02期

7 干勇;劉正東;王國棟;吳迪;王巍;張丕軍;;組織性能預報系統(tǒng)在寶鋼2050熱軋生產線的在線應用[J];鋼鐵;2006年03期

8 許云波;劉相華;王國棟;謝瑞萍;金永春;;熱軋中厚板組織-性能預測及軟件開發(fā)[J];鋼鐵;2006年03期

9 莫春立,李強,李殿中,馮峰,詹志東;應用回歸和神經網絡方法預測熱軋帶鋼性能[J];金屬學報;2003年10期

10 干勇;薄板坯連鑄連軋(TSCR)熱軋過程組織性能預報技術的開發(fā)[J];鋼鐵;2003年08期

相關博士學位論文 前5條

1 冉鵬;基于動態(tài)數據挖掘的電站熱力系統(tǒng)運行優(yōu)化方法研究[D];華北電力大學;2012年

2 王寧玲;基于數據挖掘的大型燃煤發(fā)電機組節(jié)能診斷優(yōu)化理論與方法研究[D];華北電力大學（北京）;2011年

3 楊婷婷;基于數據的電站節(jié)能優(yōu)化控制研究[D];華北電力大學（北京）;2010年

4 王惠杰;基于混合模型的機組狀態(tài)重構及運行優(yōu)化研究[D];華北電力大學（河北）;2009年

5 馮兆興;高揮發(fā)分煤種電站鍋爐高效低NOx排放系統(tǒng)研究[D];華北電力大學（河北）;2007年

【相似文獻】

相關期刊論文 前10條

1 雷明,李作清,陳志祥,吳雅,楊叔子;神經網絡在預報控制中的應用[J];機床;1993年11期

2 楊自厚;神經網絡技術及其在鋼鐵工業(yè)中的應用第8講人工神經網絡在鋼鐵工業(yè)中的應用(下)[J];冶金自動化;1997年05期

3 李潤生,李延輝,胡學軍,劉壯,王守儉;神經網絡在冶金中的應用[J];鋼鐵研究;1998年02期

4 劉海玲,劉樹深,尹情勝,夏之寧,易忠勝;線性神經網絡及在多組分分析中的初步應用[J];計算機與應用化學;2000年Z1期

5 王繼宗,王西娟;用神經網絡確定梁上裂紋位置的研究[J];煤炭學報;2000年S1期

6 趙學慶,袁景淇,周又玲,賀松;生物發(fā)酵過程神經網絡狀態(tài)預報器的驗證[J];無錫輕工大學學報;2000年06期

7 李智,姚駐斌,張望興,賀超武;基于神經網絡的混勻配料優(yōu)化方法[J];鋼鐵研究;2000年04期

8 胡敏藝,馬榮駿;神經網絡在冶金工業(yè)中的應用[J];湖南有色金屬;2000年05期

9 倪建軍,邵琳;利用神經網絡進行觀測數據的分析與處理[J];連云港化工高等�？茖W校學報;2000年04期

10 裴浩東,蘇宏業(yè),褚健;材料工程中基于神經網絡的穩(wěn)態(tài)優(yōu)化策略[J];材料科學與工程;2001年02期

相關會議論文 前10條

1 徐春玉;;基于泛集的神經網絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經網絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經網絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經網絡的新機遇——紀念中國神經網絡10周年[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經網絡與圖論[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數值預報產品的神經網絡釋用預報應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經網絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經網絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經網絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

相關重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經網絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經網絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經網絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經網絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經網絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經網絡[N];健康時報;2006年

8 劉力;我半導體神經網絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經網絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經網絡應用研究通過鑒定[N];中國船舶報;2006年

相關博士學位論文 前10條

1 楊旭華;神經網絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經網絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經網絡的混沌性及幾類時滯神經網絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經網絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經網絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經網絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 曾U喺，

本文編號：1602153