简介： 本发明属于钢铁冶金技术领域，具体为一种转炉出钢过程合金加入量的确定方法和系统，考虑到LSTM神经网络对非线性关系有很强的捕捉能力，本发明构建基于LSTM神经网络的合金元素收得率预测模型，不同合金元素由于影响其收得率的因素不同，即模型输入变量不同，因此不同合金元素建立不同的LSTM模型进行训练。另外，本发明结合收得率预测结果通过整数线性规划求解得到合金加入量，该方法不仅能够快速找到合金配料的最优方案，同时提高了转炉炼钢过程成分命中率和钢产品稳定性，且获得的总成本最低，有效降低合金化成本，具有良好的应用前景。