為了提高企業(yè)生產(chǎn)力,實(shí)現(xiàn)"智慧鋼廠",對(duì)企業(yè)的海量生產(chǎn)數(shù)據(jù)信息進(jìn)行有效挖掘,收集了某鋼廠最近4年的高爐生產(chǎn)數(shù)據(jù),利用箱型圖進(jìn)行數(shù)據(jù)清洗,提高數(shù)據(jù)質(zhì)量.采取工藝?yán)碚摵蛯＜医?jīng)驗(yàn)結(jié)合隨機(jī)森林算法篩選出23個(gè)影響鐵水質(zhì)量和產(chǎn)量的特征參數(shù).以鐵水產(chǎn)量和鐵水[Si+Ti]質(zhì)量分?jǐn)?shù)為目標(biāo)參數(shù),通過(guò)k-means聚類分析法將其分為3類.將分類結(jié)果與特征參數(shù)整合后進(jìn)行分析,得到造成鐵水產(chǎn)量和質(zhì)量大范圍波動(dòng)的13個(gè)參數(shù),同時(shí)提供了相應(yīng)參數(shù)的合理控制范圍.研究可對(duì)高爐穩(wěn)定順行以及數(shù)據(jù)挖掘在鋼鐵行業(yè)的應(yīng)用提供指導(dǎo). 

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
1 高爐生產(chǎn)數(shù)據(jù)預(yù)處理
    1.1 缺失數(shù)據(jù)處理
    1.2 異常數(shù)據(jù)處理
2 高爐生產(chǎn)數(shù)據(jù)特征工程
    2.1 基于機(jī)理經(jīng)驗(yàn)篩選特征
    2.2 基于隨機(jī)森林算法篩選特征
        2.2.1 基于隨機(jī)森林的特征選擇方法介紹
        2.2.2 特征參數(shù)篩選
3 高爐數(shù)據(jù)挖掘分析
    3.1 k-means聚類分析
    3.2 聚類結(jié)果分析
        3.2.1 風(fēng)量和風(fēng)壓的變化
        3.2.2 焦比和煤比的變化
        3.2.3 焦批量和礦批量的變化
        3.2.4 富氧率和爐腹煤氣指數(shù)的變化
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]鐵前數(shù)模技術(shù)進(jìn)展與大數(shù)據(jù)應(yīng)用探討[J]. 馬富濤,張建良,張磊,焦克新,郝良元,劉福龍.  鋼鐵. 2018(12)
[2]基于承鋼生產(chǎn)數(shù)據(jù)預(yù)測(cè)燒結(jié)礦FeO含量[J]. 呂慶,劉月明,張振峰,劉頌.  鋼鐵研究學(xué)報(bào). 2018(12)
[3]大數(shù)據(jù)過(guò)程質(zhì)量控制系統(tǒng)在鋼鐵生產(chǎn)中的應(yīng)用[J]. 白瑞國(guó),徐立山,包闊,王福來(lái).  中國(guó)冶金. 2018(08)
[4]基于大數(shù)據(jù)技術(shù)的燒結(jié)全產(chǎn)線質(zhì)量智能控制系統(tǒng)[J]. 呂慶,劉頌,劉小杰,畢中心,李建鵬.  鋼鐵. 2018(07)
[5]大數(shù)據(jù)背景下中國(guó)鋼鐵生產(chǎn)能源管控路徑優(yōu)化研究[J]. 徐雪松,楊勝杰.  工業(yè)技術(shù)經(jīng)濟(jì). 2017(01)
[6]中國(guó)煉鐵技術(shù)60年的發(fā)展[J]. 張壽榮,于仲潔.  鋼鐵. 2014(07)
[7]高爐長(zhǎng)壽技術(shù)的最新進(jìn)展[J]. 周渝生,曹傳根,甘菲芳.  鋼鐵. 2003(11)

博士論文
[1]大數(shù)據(jù)時(shí)代產(chǎn)業(yè)經(jīng)濟(jì)信息分析及在宏觀決策中的應(yīng)用[D]. 王鈞超.中國(guó)地質(zhì)大學(xué)(北京) 2016



本文編號(hào)：3694078