高爐鐵水硅含量預測中的直接經(jīng)驗和間接經(jīng)驗.pdf

1、準確預測鐵水含硅量是有效控制高爐的前提，人工智能專家系統(tǒng)已在鐵水硅含量預測方面取得顯著進展，但專家系統(tǒng)在知識獲取方面存在不足。高爐鐵水硅含量的自組織經(jīng)驗進化預測模型主要由動態(tài)數(shù)據(jù)特征提取、動態(tài)模式量化以及預測經(jīng)驗的記憶、存儲、積累和進化三部分組成，其預測經(jīng)驗可分為直接經(jīng)驗和間接經(jīng)驗。 本文采用了基于高爐過程變量的均值、梯度和波動的特征提取方法；分類器用具有自適應和自學習功能的ART2神經(jīng)網(wǎng)絡(luò)模型；以產(chǎn)生式和框架表示法來表示預測經(jīng)

2、驗知識；建立了適用于高爐鐵水硅含量預測關(guān)聯(lián)規(guī)則發(fā)現(xiàn)的數(shù)據(jù)挖掘算法，通過極大信息量的條件屬性約簡算法來提取過程數(shù)據(jù)中隱含的鐵水含硅量預測經(jīng)驗知識。 用天津鐵廠1號高爐的生產(chǎn)數(shù)據(jù)的離線研究結(jié)果表明：基于過程數(shù)據(jù)的均值、梯度和波動的特征提取方法是有效的，所建立的數(shù)據(jù)挖掘算法可有效提取鐵水硅含量預測的定量關(guān)聯(lián)規(guī)則，可用于鐵水含硅量預測。算法中的規(guī)則支持度對所提取的關(guān)聯(lián)規(guī)則和預測結(jié)果有顯著影響，隨著規(guī)則支持度增大，預測命中率增加。研究條件

3、下，適宜的規(guī)則支持度和規(guī)則信任度分別為3和0.6。對規(guī)則的解釋研究還表明：提取出的關(guān)聯(lián)規(guī)則大部分與高爐操作規(guī)程的知識定性一致，有少量規(guī)則與高爐操作規(guī)程相矛盾，這表明數(shù)據(jù)挖掘有可能發(fā)現(xiàn)隱含在數(shù)據(jù)中的尚不為人所知的特定高爐上的操作新知識。 當精度為±0.15時，對高爐鐵水含硅量預測的命中率為75％。采用隨機游走模型的對比預測表明：當精度為±0.10時，隨機游走模型有更好的預測性能；當精度為±0.15時，本文的智能預測模型具有更好的性