文章摘要:为快速精确地预测板凸度，建立了一种基于主成分分析（principal component analysis，PCA）协同深度神经网络（deep neural network，DNN）的板凸度预测模型PCA-DNN。首先，对从某热轧厂采集的10 134卷带钢生产数据进行数据预处理。其次，用PCA法对数据样本进行分析，通过计算特征值、主成分贡献度和累计贡献度进行特征选择。最后，训练最佳的PCA-DNN预测模型，并与传统的两个模型人工神经网络（artificial neural network，ANN）和DNN进行比较。结果表明，PCA-DNN模型预测准确率为97.02%，训练时间为120 s，预测时间为291 ms，具有最优的综合性能，能够快速精确地预测热轧带钢板凸度。

文章关键词:

项目基金:文章来源：《应用数学学报》 网址: http://www.yysxxbzz.cn/qikandaodu/2021/1130/1416.html