关键词：转炉氧气;灰色系统;神经网络;算数平均最小贴近度;诱导有序加权平均算子;组合预测模型
摘 要：转炉炼钢耗氧量的准确预测有助于钢铁企业减少氧气放散和提高经济效益。针对转炉炼钢耗氧量难以准确预测的问题,建立了一种采用灰色模型和遗传算法优化的BP神经网络相结合的转炉炼钢耗氧量预测模型;针对传统组合模型在赋权方面的加权平均系数不变和以单一误差指标为准则的缺陷,提出了一种算数最小平均贴近度的IOWA算子的最优组合预测模型。采用灰色模型法和遗传算法优化的BP神经网络法对耗氧量样本序列分别进行预测,再通过提出的最优组合预测模型和优化算法对各单项模型的预测值进行优化组合。仿真结果表明,组合预测模型在减小预测误差、提高预测精度,为提高转炉炼钢耗氧量预测的准确性提供了依据。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取