神經(jīng)網(wǎng)絡在鋼鐵企業(yè)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(yè)，如何把好質量關成為了亟待解決的重要問題。本文以神經(jīng)網(wǎng)絡在鋼鐵企業(yè)質量預測中的應用為研究內容，分別對數(shù)據(jù)挖掘、人工神經(jīng)網(wǎng)絡以及BP神經(jīng)網(wǎng)絡在鋼鐵企業(yè)質量預測中的應用做出了分析與探討。

[關鍵詞]神經(jīng)網(wǎng)絡;鋼鐵企業(yè);質量預測

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

1 數(shù)據(jù)挖掘在鋼鐵企業(yè)質量預測中的應用

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

從鋼鐵企業(yè)質量預測中對數(shù)據(jù)挖掘的應用步驟來看，主要步驟體現(xiàn)為以下幾個方面：一是鋼鐵企業(yè)中鋼鐵產(chǎn)品生產(chǎn)數(shù)據(jù)的準備工作。數(shù)據(jù)挖掘技術所處理的內容是經(jīng)過長期積累并存儲于數(shù)據(jù)庫中的信息數(shù)據(jù)，雖然數(shù)據(jù)挖掘一般都是對大量數(shù)據(jù)進行處理，但是這些原始數(shù)據(jù)卻并不適合使用數(shù)據(jù)挖掘技術開展直接挖掘，這要求鋼鐵企業(yè)能夠對這些信息數(shù)據(jù)做出整理與準備，如對這些數(shù)據(jù)進行縮減、轉換、凈化以及挑選等，這種準備工作對于提高數(shù)據(jù)挖掘的效率以及質量具有重要意義，換而言之，鋼鐵企業(yè)在數(shù)據(jù)準備方面所做出的工作是否合格直接影響著數(shù)據(jù)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(yè)質量預測中應用數(shù)據(jù)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(yè)需要對數(shù)據(jù)挖掘的算法以及模式模型做出合理的選擇，尤其是數(shù)據(jù)挖掘算法的挑選十分重要。在此基礎上，數(shù)據(jù)挖掘可以根據(jù)鋼鐵企業(yè)質量預測目標來使用所確定的數(shù)據(jù)挖掘算法參數(shù)對前期準備完成的數(shù)據(jù)進行分析，從而形成可以作為知識與規(guī)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(yè)質量預測工作中，當利用數(shù)據(jù)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(jù)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(yōu)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(yè)質量預測工作中，需要對數(shù)據(jù)挖掘所構建的模式模型知識做出統(tǒng)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(shù)據(jù)分析方法來對數(shù)據(jù)挖掘所得到的知識開展二次處理，以便讓數(shù)據(jù)體現(xiàn)出形象化、可視化以及專業(yè)化的特點。

在應用數(shù)據(jù)挖掘開展鋼鐵企業(yè)質量預測的工作中，并不能通過一次數(shù)據(jù)挖掘就完成相關工作，而應當對整個過程進行反復循環(huán)，并做出反饋與完善。雖然數(shù)據(jù)挖掘技術能夠很好地得出鋼鐵企業(yè)質量預測結果，但是需要注意的是，數(shù)據(jù)發(fā)掘僅僅是一項可以應用于鋼鐵企業(yè)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(yè)生產(chǎn)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(yè)在質量預測方面投入不必要的人力與財力。

2 人工神經(jīng)網(wǎng)絡在鋼鐵企業(yè)質量預測中的應用

人工神經(jīng)網(wǎng)絡是以人腦組織原理與活動原理為依據(jù)構造數(shù)據(jù)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(jīng)網(wǎng)絡引用于鋼鐵企業(yè)質量預測中，可以從鋼鐵企業(yè)產(chǎn)品生產(chǎn)的歷史信息內進行學習，并發(fā)現(xiàn)鋼鐵企業(yè)質量規(guī)律，從而對鋼鐵企業(yè)質量做出準確預測。相對于數(shù)學模型而言，人工網(wǎng)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(shù)據(jù)的處理往往具有良好的表現(xiàn)。人工神經(jīng)網(wǎng)絡在鋼鐵企業(yè)質量預測中的應用為鋼鐵企業(yè)質量預測提供了一種新的辦法與途徑，在利用人工神經(jīng)網(wǎng)絡開展鋼鐵企業(yè)質量預測的過程中，可以將影響鋼鐵企業(yè)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(yè)質量預測中十分適用。

當前鋼鐵企業(yè)質量預測目標是對影響鋼鐵企業(yè)生產(chǎn)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(yè)生產(chǎn)過程中是否仍舊會產(chǎn)生質量問題。如果判定鋼鐵企業(yè)生產(chǎn)仍舊會產(chǎn)生質量問題，則要求鋼鐵企業(yè)尋找問題產(chǎn)生的原因與對策，并在解決問題之后開展生產(chǎn)以生產(chǎn)出具有更高質量的產(chǎn)品。在其他方面，人工神經(jīng)網(wǎng)絡還可以預測鋼鐵企業(yè)生產(chǎn)工藝改變對生產(chǎn)質量的影響等。由此可見，人工神經(jīng)網(wǎng)絡在鋼鐵企業(yè)質量預測中具有重要的應用價值。人工神經(jīng)網(wǎng)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(chǎn)生一種變革，并在對傳統(tǒng)質量預測方法做出突破的基礎上解決鋼鐵企業(yè)傳統(tǒng)質量預測中存在的缺陷，從而為鋼鐵企業(yè)生產(chǎn)質量預測模式體現(xiàn)出實用化的特點以及鋼鐵企業(yè)生產(chǎn)現(xiàn)代化的發(fā)展發(fā)揮推動作用。但是同時，人工神經(jīng)網(wǎng)絡在鋼鐵企業(yè)質量預測中的應用也具有一定缺陷，這些缺陷主要體現(xiàn)在人工神經(jīng)網(wǎng)絡所得出的知識是分散于系統(tǒng)內部的，通過對人工神經(jīng)網(wǎng)絡的使用，在使原始數(shù)據(jù)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(jīng)元并不進行信息數(shù)據(jù)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(jīng)網(wǎng)絡在鋼鐵企業(yè)質量預測中的應用

在鋼鐵企業(yè)應用神經(jīng)網(wǎng)絡開展質量預測工作的過程中，需要認識到人工神經(jīng)網(wǎng)絡具有多樣化的特點，因此需要鋼鐵企業(yè)以實際問題為依據(jù)來對網(wǎng)絡類型做出選取。在一些情況中，鋼鐵企業(yè)需要根據(jù)歷史產(chǎn)品質量數(shù)據(jù)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(jù)。能夠對質量模型產(chǎn)生影響的因素較多，并且也沒有一個專門的數(shù)學解析式來用于鋼鐵企業(yè)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(yè)可以使用BP網(wǎng)絡模型來進行解決，這種模型的優(yōu)勢在于具備較強的非線性映射能力。在鋼鐵企業(yè)質量預測工作應用BP網(wǎng)絡的實踐中，大部分的神經(jīng)網(wǎng)絡模型都是使用BP網(wǎng)絡或者BP網(wǎng)絡的變化形式，其作用在于數(shù)據(jù)壓縮、函數(shù)逼近、模式識別以及分類。在這種網(wǎng)絡的應用中，只要具備隱層以及隱層單元數(shù)的數(shù)量夠多，BP網(wǎng)絡就能夠在不構建數(shù)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(yè)生產(chǎn)數(shù)據(jù)為依據(jù)，并利用學習與訓練就可以找出原始數(shù)據(jù)與有價值數(shù)據(jù)之間的聯(lián)系，由此可見，這種方法在鋼鐵企業(yè)質量預測中具有良好的適應性。另外，BP網(wǎng)絡所采用的學習算法具有穩(wěn)定的工作狀態(tài)、嚴謹?shù)慕Y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(xiàn)系統(tǒng)崩潰的情況。但是BP網(wǎng)絡所使用的學習方法具有過慢的收斂速度，因此需要在數(shù)據(jù)分析中做出千次迭代，因此，很多BP網(wǎng)絡在一些系統(tǒng)中并不具備適應性。總之，BP在包括鋼鐵企業(yè)在內的許多工程領域都得到了運用，隨著BP網(wǎng)絡的不斷完善，BP網(wǎng)絡在鋼鐵企業(yè)質量預測中也將發(fā)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(jīng)網(wǎng)絡技術在鋼鐵工業(yè)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(jīng)網(wǎng)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(wǎng)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(jīng)網(wǎng)絡和模擬退火算法的配煤智能優(yōu)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(jīng)網(wǎng)絡的焦炭質量預測[J].燃料與化工，2006（6）.