基于數(shù)據(jù)挖掘的高爐鐵水溫度建模與預報.pdf

1、高爐爐溫是高爐穩(wěn)定順行的保證,同時也是制約高爐冶煉成本的主要因素。合理的高爐鐵水溫度是判斷高爐順利運行的重要指標。目前主要利用高爐鐵水硅含量預測爐溫。而高爐爐溫與高爐鐵水硅含量呈現(xiàn)正相關而非嚴格的線性關系,則應用高爐鐵水硅含量此單一指標預測高爐爐溫存在一定的缺陷。
　　隨著信息科技的快速發(fā)展,高爐冶煉過程積累了大量數(shù)據(jù)。如何尋找低碳、高效以及優(yōu)質的高爐生產(chǎn)模式已迫在眉睫。同時智能控制論的深入研究,為利用數(shù)據(jù)挖掘技術建立高爐爐溫預報

2、模型的研究提供了理論依據(jù)和方法支持。在數(shù)據(jù)挖掘技術下,通過對高爐爐溫數(shù)據(jù)特征提取建立各變量間隱含數(shù)學關系,已引起了高度重視,成為當今冶金科學發(fā)展的前沿課題。
　　針對高爐冶煉過程中的海量數(shù)據(jù),高爐鐵水硅含量這一研究對象存在一定的不足以及冶煉機理建模存在的主觀性,本文利用數(shù)據(jù)挖掘理論建立了基于高爐鐵水溫度預報的統(tǒng)計學模型。鑒于高爐冶煉過程是一個大慣性的非線性系統(tǒng),并考慮時間滯后對高爐鐵水溫度建模的影響,利用多元時序建立鐵水溫度的多變

3、量時間序列模型,且通過各變量時間序列分析揭示出高爐爐溫的發(fā)展變化規(guī)律。
　　高爐爐溫預測模型是在某一特定的環(huán)境條件下建立的。即各高爐爐溫預測模型是針對某一高爐的特殊約束條件下建立的預報優(yōu)化模型,其模型不能直接或通用到其他高爐爐溫的預報。本文是在高爐輸入庫條件如白云鄂博鐵礦石成分相同、負荷、料速和風量等相對一致的情況下,對某鋼廠大型高爐爐溫數(shù)據(jù)進行統(tǒng)計學建模及尋優(yōu)?；跀?shù)據(jù)挖掘的高爐鐵水溫度預測建模研究為高爐爐溫的準確預測提供了重要

4、的理論指導意義。
　　論文首先介紹了多元數(shù)學建模以及模糊數(shù)學建模的基本理論。接著對高爐爐溫預報模型的各輸入輸出變量進行了數(shù)據(jù)的預處理分析。其主要包括異常值檢驗、缺損值的補足、數(shù)據(jù)的相關性分析以及多元時間序列模型中各變量時滯的確定等。通過廣義偏自相關系數(shù)確定多元時間序列模型中各變量的滯后步長。然后,將各智能算法應用到多元回歸模型和多元時間序列模型。其中,兩種模型均采用多輸入單輸出模式。最后,應用高爐檢測系統(tǒng)在線采集的變量數(shù)據(jù)完成鐵水

5、溫度的建模及其模型的仿真校驗。通過各模型的預測圖、誤差圖和模型的性能評價指標,分析比較了各算法的優(yōu)缺點以及不同模型的適用范圍,可得結論:基于T-S模糊神經(jīng)網(wǎng)絡的多元時間序列模型的跟蹤效果以及模型精度最優(yōu)。
　　本文形成了基于數(shù)據(jù)驅動的高爐操作優(yōu)化控制體系,分析了豐富的基于數(shù)據(jù)挖掘的建模及優(yōu)化理論。對高爐鐵水溫度預測模型的最優(yōu)模式研究和高爐冶煉過程的成本核算與高爐工長控制高爐冶煉過程的操作提供了良好的理論依據(jù)。同時高爐爐溫預測優(yōu)化模