基于KPCA和Logistic-SSA-BP的烧结矿FeO含量预测

作者：惠佳豪; 邢相栋; 郑兆颖; 王宇星; 吕明^*

来源：钢铁研究学报, 2023, 1-14.

DOI：10.13228/j.boyuan.issn1001-0963.20230240

• 烧结矿
• FeO含量
• Pearson
• KPCA
• 预测模型

烧结矿作为高炉炼铁过程中的重要原料之一，其FeO含量的控制对于炼铁工艺、铁水质量和能源消耗等方面都具有重要影响。针对目前研究过程中存在特征选择偏离实际和预测模型泛化能力差等问题，提出了一种基于核主成分分析（KPCA）和Logistic-SSA-BP的烧结矿FeO含量预测模型。使用皮尔逊（Pearson）和KPCA对特征参数进行筛选和降维，并结合Logistic-SSA-BP优化算法，对采集到的数据进行训练、学习和验证。实验结果表明，预测的绝对误差稳定在[0～0.21]范围内，预测值与实际值相差在±0.2%以内命中率达到98.75%，预测模型的性能表现较好，评价指标MSE、MAE和RMSE达到0.013、0.101、0.115。该预测模型能够准确预测烧结矿FeO含量，为高炉操作人员在建立配料方案和执行工艺操作时提供指导方向。

• 单位
  西安建筑科技大学