基于烧结大数据预测小于10mm烧结矿含量模型

作者：刘月明; 刘小杰; 吕庆^*; 张振峰; 刘颂; 刘福龙

来源：中国冶金, 2019, 29(11): 31-38.

DOI：10.13228/j.boyuan.issn1006-9356.20190174

• 粒度
• 数据预处理
• XGBoost
• 因子分析
• 深度学习

为了给高炉提供合格的烧结矿,提出基于烧结生产线各个环节的大量数据,将XGBoost算法、因子相关分析与深度学习算法相结合的大数据技术对烧结矿小于10mm粒级含量进行预测。首先,对烧结厂数据库的数据进行搜集、整合和预处理;其次,进行因子分析,筛选出适合建模的14个相关变量并进行变量之间的相关性分析;最后,建立深度神经网络算法模型。通过测试并与传统算法模型进行性能比较,结果表明,模型预测效果很好,达到了精确预测烧结矿小于10mm粒级含量的目的,对烧结实际生产具有很好的指导意义。

• 单位
  华北理工大学