基于智能模型的高炉煤气利用率预测

• 作者: 赵军 李宏扬 李欣 刘小杰 李红玮 吕庆
• 来源期刊: 中国冶金
• 关键词: 高炉 煤气利用率 智能模型 自适应增强学习 随机森林 神经网络
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 生产技术|Production Technology
• 页码范围: 93-100
• 页数: 8页
• 语种: 中文
• DOI: 10.13228/j.boyuan.issn1006-9356.20200701

摘要

煤气利用率是影响高炉能量利用的关键参数,对高炉的稳定顺行有重要影响.在进行高炉生产参数时间间隔分析后,利用多种预测模型(自适应增强学习(Adaptive Boosting,AB)、随机森林(Random Forest,RF)、神经网络(Neural Network,NN))完成对煤气利用率的预测.首先,对高炉生产的历史数据进行收集整理;其次,在考虑高炉生产异常状态(如检修休风)下对特征参数完成预处理工作;最后,利用高炉参数间的时滞关系对煤气利用率建立预测模型,通过对预测模型的调参优化及评价,确定适合煤气利用率的预测模型,实现煤气利用率的提前预测,同时利用相同模型参数对原始数据集和预处理数据集进行预测并比较结果.结果表明,数据预处理对于预测结果的影响巨大,随机森林模型对煤气利用率的预测效果更好,可以用来指导高炉的实际生产.