科研之友
微信
新浪微博
Facebook
分享链接
摘要
鉴于影响烧结转鼓因素较多，难精准预测的问题，将数据分析与现场经验结合，提出了一种基于烧结状态与集成学习的烧结矿转鼓强度自适应预测模型。该模型首先通过数据收集整合、异常数据识别与缺失数据处理等数据预处理过程，获取高质量烧结矿转鼓强度预测数据集合；再采用Boruta算法结合Pearson线性、XGBoost非线性相关性分析选择转鼓强度预测模型输入特征，避免了模型输入特征的不完整性；最后采用5种不同机器学习算法构建转鼓强度集成学习预测模型，各子模型预测结果权重可根据烧结生产实际情况进行自适应更新。结合现场生产实践与烧结历史数据分析，通过烧结终点温度与主管负压对烧结状态进行区分，在误差范围为0.5%时，转鼓强度的预测命中率在90%以上。
-
单位东北大学; 邯郸钢铁集团有限责任公司
