基于灰色关联分析和机器学习的高炉铁水硅含量预测.pdfVIP

２０２４Ｖｏｌ３８Ｎｏ２０ｗｗｗ．ｍａｔｅｒｒｅｐ．ｃｏｍ

，，

基于灰色关联分析和机器学习的高炉铁水硅含量预测

１１２１１１，

邱国兴，蔡明冲，张毅，苏炳瑞，杨永坤，李小明

１西安建筑科技大学冶金工程学院，西安７１００５５

２２７１１０３

山东钢铁股份有限公司莱芜分公司技术中心，济南

高炉铁水硅含量通常被用作表征“炉温”和高炉经济效益的重要指标，建立及时准确的高炉铁水硅含量预报模型，对于高炉稳定生产具有重要意

义。本工作考虑时间延迟及灰色关联分析（ＧＲＡ）并结合主成分分析（ＰＣＡ）和长短期记忆网络（ＬＳＴＭ）建立了一种新的预测模型。首先，从硅的还

原氧化行为角度出发，选出高炉生产中与铁水硅含量相关的操作参数、状态参数和结果参数。其次，通过ＧＲＡ确定各参数与铁水硅含量的关联度大

３

小，筛选出硅含量的主要影响因素。在此基础上，对国内某３２００ｍ级高炉一年共计８５４４组生产数据进行降维处理。模型输入变量由降维得到的

１３个主成分组成，以铁水硅含量作为输出变量，建立了预测模型。该预测模型具有合理的泛化能力、鲁棒性和准确性。预测结果分析表明，该模型的

２

决定系数（Ｒ）为０．９２９７，均方误差（ＭＳＥ）和平均绝对误差（ＭＡＥ）分别为０．００１２和０．０２５４，实现了对高炉铁水硅含量精确预测。

关键词高炉灰色关联分析机器学习硅含量预测模型

中图分类号：ＴＦ５７ＴＰ２９文献标识码：Ａ

；

ＰｒｅｄｉｃｔｉｏｎｏｆＳｉｌｉｃｏｎＣｏｎｔｅｎｔｉｎＢｌａｓｔＦｕｒｎａｃｅＭｏｌｔｅｎＩｒｏｎＵｓｉｎｇＧｒｅｙＣｏｒｒｅｌａｔｉｏｎ

ＡｎａｌｙｓｉｓａｎｄＭａｃｈｉｎｅＬｅａｒｎｉｎｇ

１１２１１１，

ＱＩＵＧｕｏｘｉｎｇ，ＣＡＩＭｉｎｇｃｈｏｎｇ，ＺＨＡＮＧＹｉ，ＳＵＢｉｎｇｒｕｉ，ＹＡＮＧＹｏｎｇｋｕｎ，ＬＩＸｉａｏｍｉｎｇ

１ＳｃｈｏｏｌｏｆＭｅｔａｌｌｕｒｇｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＸｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＡｒｃｈｉｔｅｃｔｕｒｅａｎｄＴｅｃｈｎｏｌｏｇｙＸｉａｎ７１００５５Ｃｈｉｎａ

，’，’，

２ＬａｉｗｕＢｒａｎｃｈＴｅｃｈｎｏｌｏｇｙＣｅｎｔｅｒＳｈａｎｄｏｎｇＩｒｏｎａｎｄＳｔｅｅｌＣｏ．Ｌｔｄ．Ｊｉｎａｎ２７１１０３Ｃｈｉｎａ

，，，，

Ｔｈｅｓｉｌｉｃｏｎｃｏｎｔｅｎｔｉｎｍｏｌｔｅｎｉｒｏｎｉｓｃｏｍｍｏｎｌｙｕｓｅｄａｓａｎｉｍｐｏｒｔａｎｔｉｎｄｉｃａｔｏｒｔｏｃｈａｒａｃｔｅｒｉｚｅｔｈｅ‘ｃｈｅｍｉｃａｌｈｅａｔ’ａｎｄｅｃｏｎｏｍｉｃｂｅｎｅｆｉｔｓｏｆｔｈｅ

ｂｌａｓｔｆｕｒｎａｃｅ．Ｅｓｔａｂｌｉｓｈｍｅｎｔａｔｉｍｅｌｙａｎｄａｃｃｕｒａｔｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｆｏｒｔｈｅｓｉｌｉｃｏｎｃｏｎｔｅｎｔｉｎｍｏｌｔｅｎｉｒｏｎｉｓｏｆｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｆｏｒｓｔａｂｌｅｐｒｏ

，

ｄｕｃｔｉｏｎｏｆｔｈｅｂｌａｓｔｆｕｒｎａｃｅ．Ｉｎｔｈｉｓｗｏｒｋａｎｉｎｎｏｖａｔｉｖｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｗａｓｅｓ