基于主成分分析的连铸坯质量预测研究

摘要

为提高连铸坯质量预测模型的预测精度,提出了将主成分分析与GA-BP神经网络相结合的连铸坯质量预测方法.使用主成分分析法对多个影响连铸坯质量的因素进行降维处理或重新组合,将处理后所得较少的主成分变量作为样本输入GA-BP神经网络进行训练而得到连铸坯质量预测模型,对方大特钢的60Si2Mn连铸坯中心疏松和中心偏析缺陷进行预测,并与以未经处理的影响因素作为输入变量的GA-BP神经网络连铸坯质量预测模型进行对比分析.结果表明:基于主成分分析与GA-BP神经网络相结合的连铸坯质量模型的预测精度较高,对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为85％、80％,且模型的运算速度有了显著的提升.