为正确预测高炉铁水中硅的质量分数（［Si］），提出了一种基于隐Markov模型（HMM）的预测算法.从高炉冶金反应动力学出发，分析了高炉内反应的链接关系，这种链接关系和HMM的原理是一致的.在对系统参数初始化之后，利用重估公式对参数进行训练直至收敛，从而得到系统模型.通过Viterbi算法找出所有训练样本的最大可能状态路径，并计算其似然值.将新样本输入模型得到新的状态路径及其似然值，从训练样本中找出具有相同状态路径或最小偏差似然值的序列，以训练样本下一［Si］值作为新样本下一时刻的预测值.利用该算法对高炉实际生产数据进行仿真，结果表明，与传统的人工神经网络方法相比，该方法能够有效提高预测精度和效率.
国家科技部重大推广项目（2005EC000166）；浙江省自然科学基金资助项目（Y107110）；高等学校博士点基金项目（新教师项目）（20070335161）；江西省教育厅科技项目（GJJ08358）.
曾九孙 刘祥官 郜传厚 罗世华. 基于隐Markov模型的高炉铁水硅质量分数预测算法[J]. J4, 2008, 42(5): 742-746.
CENG Jiu-Sun, LIU Xiang-Guan, GAO Chuan-Hou, LUO Shi-Hua. . J4, 2008, 42(5): 742-746.
http://www.zjujournals.com/xueshu/eng/CN/ 或 http://www.zjujournals.com/xueshu/eng/CN/Y2008/V42/I5/742
Cited
