高炉炼铁数据缺失处理研究初探

作者：陈少飞; 刘小杰^*; 李宏扬; 卜象平; 吕庆; 刘福龙

来源：中国冶金, 2021, 31(02): 17-23.

DOI：10.13228/j.boyuan.issn1006-9356.20200358

• 数据缺失
• 高炉
• 炼铁
• 机器学习
• 大数据
• 数据挖掘

针对高炉炼铁过程中的数据缺失问题,提出以单维结合多维的系统化数据填补模式。总结并阐述数据缺失填补办法的发展现状以及优劣势比较。在此基础上,通过对河北某钢铁厂的实际高炉生产数据进行分类比较,并结合填补办法的优缺点,针对高炉炼铁数据提出一套以简单统计类办法、线性插值法、机器学习法等多种办法相结合的方案,以实现高炉数据的深度整合及处理,满足数据挖掘工作的供数需求。同时选取了炉顶温度、氧气管道温度作为数据样本,利用临近点中间值法、临近点均值法、线性插值法、Adaboost算法等对样本数据进行了填补且填补效果较为理想,充分验证了方案的可行性。

• 单位
  杭州排列科技有限公司; 华北理工大学