基于大数据技术的高炉铁水硅含量预测

• 作者: 刘小杰 邓勇 李欣 郝良元 刘二浩 吕庆
• 来源期刊: 中国冶金
• 关键词: 铁水硅含量 Adaboost模型 决策树模型 随机森林模型 大数据
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 专题研究
• 页码范围: 10-16
• 页数: 7页
• 语种: 中文
• DOI: 10.13228/j.boyuan.issn1006-9356.20200391

摘要

铁水硅含量是炉缸热制度的化学热表示方式,也是表征炉温和铁水质量的重要参数.选取某钢铁厂4号高炉实时数据库和检化验数据库2019年的30个输入参数,通过数据处理和特征值筛选,最终选取17个参数进行模型预测,共计8760组.通过构建Adaboost模型、决策树模型和随机森林模型对2 h后的铁水中硅含量进行预测,发现Adaboost模型预测的结果相比决策树模型和随机森林模型准确度更高,学习效果更是明显占优,能够更好地对铁水硅含量进行捕捉预测.