基于数据挖掘与清洗的高炉操作参数优化

发布时间：2022-10-19 20:46

　　为了提高企业生产力,实现"智慧钢厂",对企业的海量生产数据信息进行有效挖掘,收集了某钢厂最近4年的高炉生产数据,利用箱型图进行数据清洗,提高数据质量.采取工艺理论和专家经验结合随机森林算法筛选出23个影响铁水质量和产量的特征参数.以铁水产量和铁水[Si+Ti]质量分数为目标参数,通过k-means聚类分析法将其分为3类.将分类结果与特征参数整合后进行分析,得到造成铁水产量和质量大范围波动的13个参数,同时提供了相应参数的合理控制范围.研究可对高炉稳定顺行以及数据挖掘在钢铁行业的应用提供指导. 

【文章页数】：8 页

【文章目录】：
1 高炉生产数据预处理
    1.1 缺失数据处理
    1.2 异常数据处理
2 高炉生产数据特征工程
    2.1 基于机理经验筛选特征
    2.2 基于随机森林算法筛选特征
        2.2.1 基于随机森林的特征选择方法介绍
        2.2.2 特征参数筛选
3 高炉数据挖掘分析
    3.1 k-means聚类分析
    3.2 聚类结果分析
        3.2.1 风量和风压的变化
        3.2.2 焦比和煤比的变化
        3.2.3 焦批量和矿批量的变化
        3.2.4 富氧率和炉腹煤气指数的变化
4 结论


【参考文献】：
期刊论文
[1]铁前数模技术进展与大数据应用探讨[J]. 马富涛,张建良,张磊,焦克新,郝良元,刘福龙.  钢铁. 2018(12)
[2]基于承钢生产数据预测烧结矿FeO含量[J]. 吕庆,刘月明,张振峰,刘颂.  钢铁研究学报. 2018(12)
[3]大数据过程质量控制系统在钢铁生产中的应用[J]. 白瑞国,徐立山,包阔,王福来.  中国冶金. 2018(08)
[4]基于大数据技术的烧结全产线质量智能控制系统[J]. 吕庆,刘颂,刘小杰,毕中心,李建鹏.  钢铁. 2018(07)
[5]大数据背景下中国钢铁生产能源管控路径优化研究[J]. 徐雪松,杨胜杰.  工业技术经济. 2017(01)
[6]中国炼铁技术60年的发展[J]. 张寿荣,于仲洁.  钢铁. 2014(07)
[7]高炉长寿技术的最新进展[J]. 周渝生,曹传根,甘菲芳.  钢铁. 2003(11)

博士论文
[1]大数据时代产业经济信息分析及在宏观决策中的应用[D]. 王钧超.中国地质大学(北京) 2016



本文编号：3694078