高炉炼铁数据缺失处理研究初探

• 作者: 陈少飞 刘小杰 李宏扬 卜象平 吕庆 刘福龙
• 来源期刊: 中国冶金
• 关键词: 数据缺失 高炉 炼铁 机器学习 大数据 数据挖掘
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 专题研究
• 页码范围: 17-23
• 页数: 7页
• 语种: 中文
• DOI: 10.13228/j.boyuan.issn1006-9356.20200358

摘要

针对高炉炼铁过程中的数据缺失问题,提出以单维结合多维的系统化数据填补模式.总结并阐述数据缺失填补办法的发展现状以及优劣势比较.在此基础上,通过对河北某钢铁厂的实际高炉生产数据进行分类比较,并结合填补办法的优缺点,针对高炉炼铁数据提出一套以简单统计类办法、线性插值法、机器学习法等多种办法相结合的方案,以实现高炉数据的深度整合及处理,满足数据挖掘工作的供数需求.同时选取了炉顶温度、氧气管道温度作为数据样本,利用临近点中间值法、临近点均值法、线性插值法、Adaboost算法等对样本数据进行了填补且填补效果较为理想,充分验证了方案的可行性.