CN108009343A - 一种高炉co利用率影响因素分析方法及系统 - Google Patents
一种高炉co利用率影响因素分析方法及系统 Download PDFInfo
- Publication number
- CN108009343A CN108009343A CN201711225332.XA CN201711225332A CN108009343A CN 108009343 A CN108009343 A CN 108009343A CN 201711225332 A CN201711225332 A CN 201711225332A CN 108009343 A CN108009343 A CN 108009343A
- Authority
- CN
- China
- Prior art keywords
- blast furnace
- utilization rate
- utilization
- utilization rates
- influence factors
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B2300/00—Process aspects
- C21B2300/04—Modeling of the process, e.g. for control purposes; CII
Landscapes
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Manufacture Of Iron (AREA)
Abstract
本发明提供了一种高炉CO利用率影响因素分析方法及系统,高炉生产过程存在着多时间尺度特性,高炉最关键的操作手段是布料和送风,而这两种操作对状态的调节是不同的时间尺度的;送风操作实时调节,改变后对在小时间尺度下对高炉CO利用率产生影响,布料一天至几天改变一次,固体炉料投入后,完全反应需要一定的时间,所以在大时间尺度上缓慢作用于高炉CO利用率。基于高炉生产过程多时间尺度特性,分析多时间尺度下对高炉CO利用率影响较大的因素。根据高炉实际生产状况,采用小波分解方法去除样本数据噪声,采用支持向量机SVM算法,分别找到小时间尺度下透气性指数、全压差和顶温影响CO利用率的时间尺度,大时间尺度下布料影响CO利用率的时间尺度。该方法能很好的分析多时间尺度下高炉CO利用率影响因素,可用于指导高炉布料操作。
Description
技术领域
本发明涉及高炉炼铁领域,更具体地说,涉及一种高炉CO利用率影响因素分析方法及系统。
背景技术
高炉是现代化炼铁的主要方式,是钢铁生产的关键环节。高炉炼铁生产过程中,煤气流的分布关系到炉内温度分布、软熔带结构、炉况顺行、煤气的利用状况和高炉长寿,最终影响到高炉冶炼指标。而煤气流的合理分布表现在状态上面就是一氧化碳利用率的提高。高炉一氧化碳利用率是反映高炉整体状态的重要参数,提高一氧化碳利用率,有利于实现高炉高效、优质、低耗、环保。国内外对有很多学者致力于高炉生产指标的研究,但是,这些方法常常忽略掉了一些高炉客观存在的重要信息,如多时间尺度特性,模型的准确性和实用性有待改善。
高炉生产过程存在着多时间尺度特性,炼铁过程中,高炉内部气相、液相、固相反应时间不同,分析高炉生产过程可知,高炉最关键的操作手段是布料和送风,而这两种操作对状态的调节是不同时间尺度的:送风操作实时调节,改变后对煤气流状态产生短时间尺度的影响效果;布料一天至几天改变一次,固体炉料投入后,完全反应需要一定的时间,所以在长时间尺度上缓慢作用于高炉状态。
本发明提出了一种基于多时间尺度特性的高炉CO利用率影响因素分析方法,得到不同操作对CO利用率的具体影响时间尺度,便于指导高炉操作。
发明内容
本发明要解决的技术问题在于,针对上述目前高炉生产CO利用率模型的准确性和实用性不佳的技术问题,提供了一种高炉CO利用率影响因素分析方法及系统来解决上述问题。
本发明为解决其技术问题,提供了一种高炉CO利用率影响因素分析方法,其特征在于,具体包含以下步骤:
S1、在高炉工控机的本地数据库中获取透气性指数、全压差、顶温、矿焦比和对应的CO利用率数据所形成样本序列,所述透气性指数、全压差、顶温、矿焦比就是所述影响因素,所述样本序列具有多个不同的取透气性指数、多个不同全压差、多个不同顶温及多个不同矿焦比;
S2、选取小波去噪的方法对步骤S1中采集的数据样本序列进行数据预处理;
S3、获取CO利用率模型的解析表达式,分别输入透气性指数与CO利用率、全压差与CO利用率、顶温与CO利用率、矿焦比与CO利用率至所述解析表达式进行训练,分别得到在所述四种影响因素影响下的CO利用率预测模型。
进一步的,还包括步骤S4,分别对比步骤S3中不同影响因素对应的CO利用率预测模型和步骤S1中采集的CO利用率数据,得到所述四种影响因素在不同时间尺度下对CO利用率的影响。
进一步的,时间尺度是指一个预设的时间长度。
进一步的,步骤S3中采用支持向量机方法建模,所述CO利用率模型的解析表达式如下:
其中,αi和表示拉格朗日乘子,K(xi,x)表示利用对偶原理、拉格朗日乘子法引入的核函数,采用径向基内积函数n表示模型训练的次数。
进一步的,步骤S1中所述样本序列中具有多个不同尺度下的数据,每个尺度下分别具有多个不同的取透气性指数、多个不同全压差、多个不同顶温及多个不同矿焦比。
进一步的,透气性指数是指风量与料柱透气性相适应的综合参数,反映了煤气流的流量和流速。
进一步的,全压差是指整个炉子的压力差。
进一步的,顶温是指高炉顶部煤气流温度状态。
进一步的,矿焦比是指矿石和焦炭在高炉炉喉的分布比例。
进一步的,还有一种高炉CO利用率影响因素分析系统,具体包括:
数据采集模块,用于在高炉工控机的本地数据库中采集透气性指数、全压差、顶温、矿焦比和CO利用率数据样本序列;
小波去噪模块,用于通过小波去噪方法对数据采集模块中采集的数据样本序列进行数据预处理;
模型建立模块,用于获取CO利用率模型的解析表达式,分别输入透气性指数与CO利用率、全压差与CO利用率、顶温与CO利用率、矿焦比与CO利用率至所述解析表达式进行训练,分别得到CO利用率预测模型。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明的一种高炉CO利用率影响因素分析方法流程图;
图2是本发明的CO利用率去噪前后对比图;
图3是本发明的顶温去噪前后对比图;
图4是本发明的一小时尺度下透气性指数预测效果;
图5是本发明的两小时尺度下透气性指数预测效果;
图6是本发明的一小时尺度下压差预测效果;
图7是本发明的三小时尺度下顶温预测效果;
图8是本发明的两天时间尺度下矿焦比预测效果。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
本发明所要解决的技术问题是提出高炉CO利用率影响因素分析方法,该方法高炉炼铁过程多尺度特性,找到布料操作和送风操作对CO利用率的具体影响时间尺度,有效解决目前在高炉炼铁过程中,由于高炉操作时间尺度不同,凭借主观经验判断高炉状态来指导高炉操作调节的问题。
一种高炉CO利用率影响因素分析方法,包括以下步骤:
S1、在高炉工控机的本地数据库中获取透气性指数、全压差、顶温、矿焦比和对应的CO利用率数据所形成样本序列,所述透气性指数、全压差、顶温、矿焦比就是所述影响因素,所述样本序列具有多个不同的取透气性指数、多个不同全压差、多个不同顶温及多个不同矿焦比;
S2、选取小波去噪的方法对步骤S1中采集的数据样本序列进行数据预处理;
S3、获取CO利用率模型的解析表达式,分别输入透气性指数与CO利用率、全压差与CO利用率、顶温与CO利用率、矿焦比与CO利用率至所述解析表达式进行训练,分别得到CO利用率预测模型;
S4,分别对比步骤S3中不同影响因素对应的CO利用率预测模型和步骤S1中采集的CO利用率数据,得到所述四种影响因素在不同时间尺度下对CO利用率的影响。
每个步骤具体的实施方法如下:
S0:建模参数选取
高炉运行良好,铁矿石和焦炭则会充分反应,整体利用率提高,炉顶煤气中的二氧化碳比例则会增加,因此高炉一氧化碳利用率是反映高炉整体运行质量的重要状态参数。
影响高炉一氧化碳利用率的因素有很多,在小时间尺度下,高炉下部调节的送风制度是保证高炉内整个煤气流合理分布的基础,透气性指数是反映风量与料柱透气性是否相适应的综合参数,反映了煤气流的流量和流速,高炉冶炼过程是在炉料不断下降和煤气流不断上升的相向运动中进行的,要维持高炉稳定、顺行,必须保证煤气有边沿与中心两条通路,也就是保持料柱有较好的透气性,当高炉顺行,煤气流通透性较好,则高炉吃风较顺,透气性增加,一氧化碳利用率提高;全压差反映了整个炉子的压力差,压差在一定的范围较大,煤气流在炉内充分反应,一氧化碳利用率提高;煤气流温度状态用顶温参数衡量,当高炉内部焦炭和矿石反映激烈,煤气流旺盛,使顶温升高,同时高炉的一氧化碳利用率相应升高。
大时间尺度下,布料改变炉料(主要是矿石和焦炭)在高炉炉喉的分布,从而改变径向矿焦比的分布,影响煤气流的发展。矿石和焦炭一批一批的投入炉内,在炉料下降到软熔带之前,一直处于层状分布。矿石层和焦炭层透气性不同,焦炭多的地方煤气流较发展,CO利用率高,铁矿石多的地方,对煤气的压制作用强,CO利用率低。从高炉料柱纵剖面上看,矿焦比能很好的反应布料矩阵的变化。合理的布料操作能够使高炉矿焦比径向按规律分布,以此调节高炉状态。
通过以上机理分析,选取小时间尺度下能反映送风操作的参数:透气性指数、全压差和顶温,大时间尺度下反映布料操作的参数:矿焦比。
S1、S2:采集高炉工控机的本地数据库数据,并进行基于小波变换的数据预处理
高炉现场生产环境复杂,检测数据含有大量噪声。高炉现场的恶劣生产环境导致现场检测数据具有大量的噪声。而这些噪声会存在尖峰和突变,如果直接滤除或者平滑滤波处理,则会造成数据的丢失,无法表征出数据原有的特点。小波分析方法具有的高低频分离的特点,可在不丢失原信号重要信息成分的前提下,将原始信号的边缘部分进行滤化处理,消除了噪音信息,从而提高了信号的清晰度,对于高炉中这种非平稳信号具有良好的去噪能力,所以本发明选取小波去噪的方法对高炉现场生产数据进行预处理。
在高炉工控机的本地数据库(Oracle数据库)中采集了透气性指数、全压差、顶温、矿焦比和CO利用率数据样本序列。依据小波去噪的原理,以CO利用率原始样本数据Q(t)为例,将原始数据带入由小波母函数ψ(t)生成的依赖于参数对(a,b)的连续小波函数,对原始数据进行正交变换
式中a为伸缩因子,其作用是对基本小波ψ(t)作伸缩;b为平移因子,反映位移大小;a和b都是连续变量。经过多次试验验证,以及根据小波分解后的结果与噪声数据的对比,选取小波基函数为sym4,作3层小波分解。
对于分解后的数据,我们从第1层到第3层的每一层选择1个阈值进行阈值量化处理。本文选用软阀值法中的极大极小阈值(Mini-maxi)处理,它产生一个最小均方差的极值,实现最大均方误差最小化,其阈值δ的选择公式如下所示:
式中N为数据长度。
上式对小波分解的第6层的低频系数和经过量化处理后的第1层到第6层的高频系数,进行信号的小波重构,即可得到去噪的信号f(t)。
其中:
利用某钢厂2015年7月份的现场数据,以CO利用率和顶温为例,得到小波去噪后的数据如图2和图3所示。从图中可以看到该方法能够对尖峰和突变信号进行去噪处理,且不改变数据本身的特点,去噪效果好。
S3:建立不同时间尺度下基于SVM的CO利用率预测模型
本发明采用支持向量机建模方法,在小时间尺度下,找到透气性指数、压差、顶温影响CO利用率的时间尺度,在大时间尺度下,找到布料矿焦比影响CO利用率的时间尺度。
分别以透气性指数、压差、顶温和矿焦比参数的样本数据xi(i=1,2,…,n)为输入集,以对应的一氧化碳利用率样本yi(i=1,2,…,n)为输出集,在高维空间中建立线性回归函数如下所示:
f(x)=wφ(x)+b
式中,φ(x)为非线性映射函数。定义线性不敏感损失函数ε,并且引入松弛变量ξi和,则可将寻找一氧化碳利用率模型中w,b的问题转化为如下所示的二次规划问题。
式中,C为惩罚函数。利用对偶原理、拉格朗日乘子法并引入核函数K(xi,x)形成上述问题的对偶式,本发明采用径向基内积函数求解后则可得最优拉格朗日乘子αi和。通过KTT条件可得偏置b如下所示
本文选择径向基函数为核函数,从而构造出一氧化碳利用率模型的解析表达式如下所示
S4、分析四种影响因素在不同时间尺度下对CO利用率的影响。
(1)小时间尺度
在布料矩阵没有大的改变的条件下,利用某钢厂高炉2015年9月1日到8日的高炉炼铁现场的实际生产数据,采样间隔为1min,小波去噪处理。以透气性指数为输入,在一小时尺度下,CO利用率变化率预测结果如图4;在两小时尺度下,预测结果如图5。可以看出,两小时尺度下,建模效果较好,说明高炉操作对CO利用率确实存在多时间尺度的影响,且透气性指数对CO利用率的影响尺度是两小时。
以压差为输入,在一小时时间尺度下,CO利用率变化率预测如图6,以顶温为输入,在三小时尺度下,CO利用率变化率预测如图7。
分析可知,相对于透气性指数,压差只考虑了压力对CO利用率的影响,没有考虑风量,所以,压差对CO利用率更敏感,时间尺度较小。而顶温只反映了上部煤气流的基本分布,炉料完全燃烧影响到上部煤气流需要一定的时间,所以顶温对CO利用率的影响时间尺度最大。
(2)大时间尺度
以布料矩阵矿焦比为输入,输出为CO利用率,以两天为时间尺度,CO利用率预测效果如图8。
本发明采用均方根误差RMSE来评价模型的预测效果,RMSE计算公式如下:
其中,为预测值,yi为真实值。CO利用率不同影响因素的时间尺度和模型误差如表1所示。
表1各影响因素的时间尺度及预测模型误差
影响因素 | 时间尺度 | RMSE |
透气性指数 | 2小时 | 0.0060 |
压差 | 1小时 | 0.0045 |
顶温 | 3小时 | 0.0079 |
布料矿焦比 | 2天 | 0.0049 |
通过本发明,高炉生产过程的多时间尺度特性被证明,且找到了不同时间尺度下高炉CO利用率的影响因素,便于高炉炉长调节高炉操作,优化生产指标。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种高炉CO利用率影响因素分析方法,其特征在于,包括以下步骤:
S1、在高炉工控机的本地数据库中获取透气性指数、全压差、顶温、矿焦比和对应的CO利用率数据所形成样本序列,所述透气性指数、全压差、顶温、矿焦比就是所述影响因素,所述样本序列具有多个不同的取透气性指数、多个不同全压差、多个不同顶温及多个不同矿焦比;
S2、选取小波去噪的方法对步骤S1中采集的数据样本序列进行数据预处理;
S3、获取CO利用率模型的解析表达式,分别输入透气性指数与CO利用率、全压差与CO利用率、顶温与CO利用率、矿焦比与CO利用率至所述解析表达式进行训练,分别得到在所述四种影响因素影响下的CO利用率预测模型。
2.根据权利要求1所述的一种高炉CO利用率影响因素分析方法,其特征在于,还包括步骤S4,分别对比步骤S3中不同影响因素对应的CO利用率预测模型和步骤S1中采集的CO利用率数据,得到所述四种影响因素在不同时间尺度下对CO利用率的影响。
3.根据权利要求2所述的一种高炉CO利用率影响因素分析方法,其特征在于,时间尺度是指一个预设的时间长度。
4.根据权利要求1所述的一种高炉CO利用率影响因素分析方法,其特征在于,步骤S3中采用支持向量机方法建模,所述CO利用率模型的解析表达式如下:
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
</msup>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>K</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>b</mi>
</mrow>
其中,αi和αi *表示拉格朗日乘子,K(xi,x)表示利用对偶原理、拉格朗日乘子法引入的核函数,采用径向基内积函数n表示模型训练的次数。
5.根据权利要求1所述的一种高炉CO利用率影响因素分析方法,其特征在于,步骤S1中所述样本序列中具有多个不同尺度下的数据,每个尺度下分别具有多个不同的取透气性指数、多个不同全压差、多个不同顶温及多个不同矿焦比。
6.根据权利要求1所述的一种高炉CO利用率影响因素分析方法,其特征在于,透气性指数是指风量与料柱透气性相适应的综合参数,反映了煤气流的流量和流速。
7.根据权利要求1所述的一种高炉CO利用率影响因素分析方法,其特征在于,全压差是指整个炉子的压力差。
8.根据权利要求1所述的一种高炉CO利用率影响因素分析方法,其特征在于,顶温是指高炉顶部煤气流温度状态。
9.根据权利要求1所述的一种高炉CO利用率影响因素分析方法,其特征在于,矿焦比是指矿石和焦炭在高炉炉喉的分布比例。
10.一种高炉CO利用率影响因素分析系统,具体包括:
数据采集模块,用于在高炉工控机的本地数据库中采集透气性指数、全压差、顶温、矿焦比和CO利用率数据样本序列;
小波去噪模块,用于通过小波去噪方法对数据采集模块中采集的数据样本序列进行数据预处理;
模型建立模块,用于获取CO利用率模型的解析表达式,分别输入透气性指数与CO利用率、全压差与CO利用率、顶温与CO利用率、矿焦比与CO利用率至所述解析表达式进行训练,分别得到CO利用率预测模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711225332.XA CN108009343A (zh) | 2017-11-29 | 2017-11-29 | 一种高炉co利用率影响因素分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711225332.XA CN108009343A (zh) | 2017-11-29 | 2017-11-29 | 一种高炉co利用率影响因素分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108009343A true CN108009343A (zh) | 2018-05-08 |
Family
ID=62054771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711225332.XA Pending CN108009343A (zh) | 2017-11-29 | 2017-11-29 | 一种高炉co利用率影响因素分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108009343A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114636572A (zh) * | 2022-01-28 | 2022-06-17 | 北京科技大学 | 一种确定高炉块状区铁矿还原过程煤气利用率的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1403593A (zh) * | 2002-10-17 | 2003-03-19 | 浙江大学 | 一种利用智能控制系统控制高炉冶炼的方法 |
JP2008209041A (ja) * | 2007-02-23 | 2008-09-11 | Mitsubishi Heavy Ind Ltd | ガス化溶融システムの燃焼制御方法及び該システム |
CN103451342A (zh) * | 2013-09-05 | 2013-12-18 | 鞍钢股份有限公司 | 一种提高高炉热风温度装置及方法 |
CN103729571A (zh) * | 2014-01-23 | 2014-04-16 | 中南大学 | 一种高炉炼铁过程一氧化碳利用率的建模方法 |
CN104133945A (zh) * | 2014-07-15 | 2014-11-05 | 东北大学 | 一种高炉布料过程径向矿焦比的控制方法 |
CN105177199A (zh) * | 2015-08-31 | 2015-12-23 | 南京南瑞继保电气有限公司 | 高炉煤气发生量软测量方法 |
CN106011341A (zh) * | 2016-08-08 | 2016-10-12 | 四川德胜集团钒钛有限公司 | 高炉冶炼钒钛矿提高煤比的方法 |
-
2017
- 2017-11-29 CN CN201711225332.XA patent/CN108009343A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1403593A (zh) * | 2002-10-17 | 2003-03-19 | 浙江大学 | 一种利用智能控制系统控制高炉冶炼的方法 |
JP2008209041A (ja) * | 2007-02-23 | 2008-09-11 | Mitsubishi Heavy Ind Ltd | ガス化溶融システムの燃焼制御方法及び該システム |
CN103451342A (zh) * | 2013-09-05 | 2013-12-18 | 鞍钢股份有限公司 | 一种提高高炉热风温度装置及方法 |
CN103729571A (zh) * | 2014-01-23 | 2014-04-16 | 中南大学 | 一种高炉炼铁过程一氧化碳利用率的建模方法 |
CN104133945A (zh) * | 2014-07-15 | 2014-11-05 | 东北大学 | 一种高炉布料过程径向矿焦比的控制方法 |
CN105177199A (zh) * | 2015-08-31 | 2015-12-23 | 南京南瑞继保电气有限公司 | 高炉煤气发生量软测量方法 |
CN106011341A (zh) * | 2016-08-08 | 2016-10-12 | 四川德胜集团钒钛有限公司 | 高炉冶炼钒钛矿提高煤比的方法 |
Non-Patent Citations (2)
Title |
---|
安剑齐 等: "基于改进支持向量机的高炉一氧化碳利用率预测方法", 《化工学报》 * |
陈都: "高炉炼铁过程碳效建模方法与应用研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114636572A (zh) * | 2022-01-28 | 2022-06-17 | 北京科技大学 | 一种确定高炉块状区铁矿还原过程煤气利用率的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11475317B2 (en) | Microalloyed steel mechanical property prediction method based on globally additive model | |
Gao et al. | Rule extraction from fuzzy-based blast furnace SVM multiclassifier for decision-making | |
CN104777830B (zh) | 一种基于kpca混合模型的多工况过程监控方法 | |
CN106897775B (zh) | 基于贝叶斯集成学习的软测量建模方法 | |
CN111444963B (zh) | 一种基于ssa-svr模型的高炉铁水硅含量预测方法 | |
CN103258130A (zh) | 烧结矿转鼓强度预测方法 | |
CN103729571B (zh) | 一种高炉炼铁过程一氧化碳利用率的建模方法 | |
An et al. | A multi-time-scale fusion prediction model for the gas utilization rate in a blast furnace | |
CN110472349A (zh) | 一种基于eemd和深度卷积网络的热轧钢性能预测方法 | |
CN111652355A (zh) | 一种基于lstm&dnn的高炉铁水硅含量预测方法及装置 | |
CN113761787A (zh) | 基于深度迁移网络的高炉铁水硅含量在线预测方法及系统 | |
CN105574297A (zh) | 自适应高炉铁水硅含量趋势预报方法 | |
CN108009343A (zh) | 一种高炉co利用率影响因素分析方法及系统 | |
Li et al. | Deep learning for predictive mechanical properties of hot-rolled strip in complex manufacturing systems | |
CN105808929A (zh) | 一种高炉十字测温装置中心温度估计方法 | |
Zhang et al. | Comparison of alternative strategies estimating the kinetic reaction rate of the gold cyanidation leaching process | |
Li et al. | A blast furnace coke ratio prediction model based on fuzzy cluster and grid search optimized support vector regression | |
Li et al. | Prediction Model for Vanadium Content in Vanadium and Titanium Blast Furnace Smelting Iron Based on Big Data Mining | |
CN103489007A (zh) | 基于样本先验信息的支持向量机核函数选择方法及应用 | |
CN117521912A (zh) | 一种碳排放测算模型及对比评价方法及其应用 | |
CN107832880B (zh) | 基于布料参数的高炉状态变量预测方法 | |
CN114004147B (zh) | 一种土壤湿润状态下同时预测多种土壤属性的方法 | |
Biswas et al. | A genetic algorithms based multi-objective optimization approach applied to a hydrometallurgical circuit for ocean nodules | |
Xia et al. | Prediction interval estimation of sinter drum index based on light gradient boosting machine and kernel density estimation | |
CN109636050A (zh) | 基于mds的rbf对石化行业生产能力的预测模型 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180508 |
|
RJ01 | Rejection of invention patent application after publication |