基于GW-Attention-DFNN的烧结矿质量预测研究

来源：电子测量技术杂志2026年第5期北京时间：

作者：杨兴旺，杨爱民，薛涛

单位：华北理工大学理学院 唐山 063210

摘要：烧结矿的性能指标可以充分反映烧结矿的质量情况，而烧结矿的质量情况又能提高高炉生产效率，降低能耗和燃料比，促进绿色冶炼与环保，在进行烧结矿质量预测的过程中传统深度神经网络会面临可解释性差，而具有较强解释性的模糊神经网络又容易面临规则膨胀、参数调优困难等的问题。本文构建了基于模糊神经网络和深度神经网络相结合的预测模型，首先通过改进CBAM通道注意力模块，对输入特征进行通道和空间两种注意力进行计算，进行有效特征的融合；提高了模型对复杂非线性关系的有效建模以及对特征重要性的动态分配能力，并通过改进灰狼优化算法对模型进行优化，提高了模型的预测准确度。最后在烧结矿转鼓指数、烧结矿碱度、RDI+3.15预测上进行实验研究，取得了较高的准确度，验证了所提出模型及算法的可行性。通过对GW-FNN、GW-DFNN、Attention-DFNN和GW-Attention-DFNN 4种模型进行了比较，结果表明GW-Attention-DFNN模型所预测的转鼓指数R2为0.968 2、烧结矿碱度（R）的R2为0.975 0、RDI+3.15的R2为0.964 2，结果表明该模型在预测烧结矿质量性能方面表现较好。

关键词：烧结矿性能指标;模糊神经网络;深度神经网络;灰狼优化算法

基金资助：国家自然科学基金（52074126）、河北省自然科学基金(E2022209110)项目资助