神經網絡在鋼鐵企業質量預測方面的應用

李其凡

[摘 要]質量問題在當今社會中得到了社會大眾的普遍關注，而作為鋼鐵企業，如何把好質量關成為了亟待解決的重要問題。本文以神經網絡在鋼鐵企業質量預測中的應用為研究內容，分別對數據挖掘、人工神經網絡以及BP神經網絡在鋼鐵企業質量預測中的應用做出了分析與探討。

[關鍵詞]神經網絡;鋼鐵企業;質量預測

[DOI]10.13939/j.cnki.zgsc.2015.11.041

1 數據挖掘在鋼鐵企業質量預測中的應用

在鋼鐵企業質量預測工作中，使用數據挖掘技術可以以鋼鐵企業的產品質量目標以及產品生產中存在的問題為依據來探索大量的鋼鐵產品生產業務數據，并對鋼鐵產品生產中存在的規律進行總結，然后通過模型化來指導鋼鐵企業開展實際的鋼鐵產品生產工作。數據挖掘過程所處理的數據具有隨機性、模糊性、不完全性以及量大的特點，但是通過數據挖掘技術所得到的信息卻是人們并不熟悉但是對鋼鐵產品生產具有較高價值的信息數據以及知識。利用數據挖掘所獲取的信息能夠作為鋼鐵企業開展信息管理、信息查詢、生產過程控制以及決策工作的重要依據。

從鋼鐵企業質量預測中對數據挖掘的應用步驟來看，主要步驟體現為以下幾個方面：一是鋼鐵企業中鋼鐵產品生產數據的準備工作。數據挖掘技術所處理的內容是經過長期積累并存儲于數據庫中的信息數據，雖然數據挖掘一般都是對大量數據進行處理，但是這些原始數據卻并不適合使用數據挖掘技術開展直接挖掘，這要求鋼鐵企業能夠對這些信息數據做出整理與準備，如對這些數據進行縮減、轉換、凈化以及挑選等，這種準備工作對于提高數據挖掘的效率以及質量具有重要意義，換而言之，鋼鐵企業在數據準備方面所做出的工作是否合格直接影響著數據挖掘的速度、準確性以及得出信息的價值;二是構建模型。在鋼鐵企業質量預測中應用數據挖掘技術，必須要面臨構建模型這一重點工作與難點工作。在這項工作中，鋼鐵企業需要對數據挖掘的算法以及模式模型做出合理的選擇，尤其是數據挖掘算法的挑選十分重要。在此基礎上，數據挖掘可以根據鋼鐵企業質量預測目標來使用所確定的數據挖掘算法參數對前期準備完成的數據進行分析，從而形成可以作為知識與規律的模式模型;三是對模式模型做出解釋與評估。在鋼鐵企業質量預測工作中，當利用數據挖掘完成模型構建后，還需要制定嚴格的模型評估標準，并以這些評價標準為依據來對所構建的模式模型做出評估，從而有針對性地取出無效的模式模型，并選擇一種在理解難度方面具有優勢的模式模型來做出解釋;四是對模型做出鞏固與運用。在鋼鐵企業質量預測工作中，需要對數據挖掘所構建的模式模型知識做出統一檢查，并對知識中存在的沖突與矛盾做出剔除。然后可以利用數據分析方法來對數據挖掘所得到的知識開展二次處理，以便讓數據體現出形象化、可視化以及專業化的特點。

在應用數據挖掘開展鋼鐵企業質量預測的工作中，并不能通過一次數據挖掘就完成相關工作，而應當對整個過程進行反復循環，并做出反饋與完善。雖然數據挖掘技術能夠很好地得出鋼鐵企業質量預測結果，但是需要注意的是，數據發掘僅僅是一項可以應用于鋼鐵企業質量預測中的工具，而并不是萬靈藥，雖然良好的應用能夠減少鋼鐵企業生產中的質量問題，但是如果不能做出良好應用，則會導致鋼鐵企業在質量預測方面投入不必要的人力與財力。

2 人工神經網絡在鋼鐵企業質量預測中的應用

人工神經網絡是以人腦組織原理與活動原理為依據構造數據驅動型非線性映射模型，通過對這種模型的運用，可以對因果關系做出映射。將人工神經網絡引用于鋼鐵企業質量預測中，可以從鋼鐵企業產品生產的歷史信息內進行學習，并發現鋼鐵企業質量規律，從而對鋼鐵企業質量做出準確預測。相對于數學模型而言，人工網絡模型具有更廣的處理范圍，并且具有自組織、自適應、容錯魯棒等特性，因此對于復雜數據的處理往往具有良好的表現。人工神經網絡在鋼鐵企業質量預測中的應用為鋼鐵企業質量預測提供了一種新的辦法與途徑，在利用人工神經網絡開展鋼鐵企業質量預測的過程中，可以將影響鋼鐵企業質量的各類要素進行輸入并構建包含不確定性影響的模型，在鋼鐵企業質量預測中十分適用。

當前鋼鐵企業質量預測目標是對影響鋼鐵企業生產質量的因素做出預測并對這些因素做出改進，同時預測在鋼鐵企業生產過程中是否仍舊會產生質量問題。如果判定鋼鐵企業生產仍舊會產生質量問題，則要求鋼鐵企業尋找問題產生的原因與對策，并在解決問題之后開展生產以生產出具有更高質量的產品。在其他方面，人工神經網絡還可以預測鋼鐵企業生產工藝改變對生產質量的影響等。由此可見，人工神經網絡在鋼鐵企業質量預測中具有重要的應用價值。人工神經網絡在鋼鐵質量預測中的應用，會讓鋼鐵質量預測工作的理念以及技術都產生一種變革，并在對傳統質量預測方法做出突破的基礎上解決鋼鐵企業傳統質量預測中存在的缺陷，從而為鋼鐵企業生產質量預測模式體現出實用化的特點以及鋼鐵企業生產現代化的發展發揮推動作用。但是同時，人工神經網絡在鋼鐵企業質量預測中的應用也具有一定缺陷，這些缺陷主要體現在人工神經網絡所得出的知識是分散于系統內部的，通過對人工神經網絡的使用，在使原始數據在歸納法基礎上利用學習算法來完成內部知識庫的構建，然而單個的神經元并不進行信息數據的存儲，這導致了知識具有不明確的表達以及具有很大的正視難度，同時也無法做出有效的解釋。

3 BP人工神經網絡在鋼鐵企業質量預測中的應用

在鋼鐵企業應用神經網絡開展質量預測工作的過程中，需要認識到人工神經網絡具有多樣化的特點，因此需要鋼鐵企業以實際問題為依據來對網絡類型做出選取。在一些情況中，鋼鐵企業需要根據歷史產品質量數據來獲得質量特性信息，從而為質量預測與分析工作提供依據。能夠對質量模型產生影響的因素較多，并且也沒有一個專門的數學解析式來用于鋼鐵企業質量預測的計算，因此這屬于一個具有復雜性特點的非線性問題。對于這類問題，鋼鐵企業可以使用BP網絡模型來進行解決，這種模型的優勢在于具備較強的非線性映射能力。在鋼鐵企業質量預測工作應用BP網絡的實踐中，大部分的神經網絡模型都是使用BP網絡或者BP網絡的變化形式，其作用在于數據壓縮、函數逼近、模式識別以及分類。在這種網絡的應用中，只要具備隱層以及隱層單元數的數量夠多，BP網絡就能夠在不構建數學解析式模型的基礎上向任意非線性映射關系進行逼近。則主要是因為只要以原始的鋼鐵企業生產數據為依據，并利用學習與訓練就可以找出原始數據與有價值數據之間的聯系，由此可見，這種方法在鋼鐵企業質量預測中具有良好的適應性。另外，BP網絡所采用的學習算法具有穩定的工作狀態、嚴謹的結構以及清晰的思路，并且良好的容錯能力也能夠在連接改動甚至損壞的情況下不會出現系統崩潰的情況。但是BP網絡所使用的學習方法具有過慢的收斂速度，因此需要在數據分析中做出千次迭代，因此，很多BP網絡在一些系統中并不具備適應性。總之，BP在包括鋼鐵企業在內的許多工程領域都得到了運用，隨著BP網絡的不斷完善，BP網絡在鋼鐵企業質量預測中也將發揮出越來越重要的作用。

參考文獻：

[1]張維維，趙成林，李廣幫，等.BP神經網絡技術在鋼鐵工業中的應用[J].鞍鋼技術，2010（4）.

[2]陳蘊博，左秀榮，王淼輝，等.人工神經網絡在鋼鐵材料研究中的應用[J].材料導報，2009（7）.

[3]張永敢，蔡瑞英.基于BFGS算法的BP網絡在燒結終點預報中的應用[J].微計算機信息，2008（34）.

[4]鄧俊，賴旭芝，吳敏，等.基于神經網絡和模擬退火算法的配煤智能優化方法[J].冶金自動化，2007（3）.

[5]劉俊，張學東，劉宏，等.基于BP神經網絡的焦炭質量預測[J].燃料與化工，2006（6）.