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. |