[发明专利]一种分段式高炉铁水硅含量预测方法及装置

说明书

本发明公开了一种分段式高炉铁水硅含量预测方法及装置，该方法包括：步骤1：获取历史高炉冶炼数据并作为样本数据，样本数据包括条件属性数据和决策值，决策值为硅含量；步骤2：建立包括常规决策表、高硅决策表以及低硅决策表的分段式决策表；步骤3：对分段式决策表进行属性约简得到包括常规知识库、高硅知识库以及低硅知识库的分段式知识库，并将各个知识库中决策值恢复为原始数据；步骤4：查找出与待测样本相匹配的知识库，并获取与待测样本相匹配的样本；步骤5：依据相匹配的知识库中与待测样本相匹配的样本的决策值计算出硅含量的预测值。本发明通过上述方法提高了硅含量预测值的准确度。

技术领域

本发明涉及一种分段式高炉铁水硅含量预测方法及装置。

背景技术

铁水硅含量为高炉冶炼过程中评定高炉炉况状态和生铁质量的关键指标之一，同时也是表征高炉热状态及其变化的重要标志，对保证高炉顺行具有重要的意义。然而，由于生产工艺限制，目前只能两小时左右检测一次硅含量，无法实时测量，因此，硅含量预测成为高炉冶炼优化控制中必不可少的环节之一。传统的硅含量预测方式是基于数据驱动的铁水硅含量预测方法，常利用相关系数确定输入参数集，并以此建立预测模型，实现硅含量的预测。然而，由于传统方式中只考虑单个参数与硅含量之间的相关性，因此传统的硅含量预测方式存在如下缺陷：(1)易出现输入集冗余，从而加大建模复杂度，影响预测精度(2)可能导致输入集选取不全，造成知识库有缺陷(3)炉况波动大时预测准确度低。

发明内容

本发明的目的是提供一种分段式高炉铁水硅含量预测方法及装置，解决了现有技术中预测模型输入集冗余或者选取不全以及炉况波动大时预测准确度低的问题，提高高炉铁水硅含量预测值的可靠性。

一方面，本发明提供一种分段式高炉铁水硅含量预测方法，包括如下步骤：

步骤1：获取历史高炉冶炼数据，并将获取的历史高炉冶炼数据作为样本数据；

其中，高炉冶炼数据包括条件属性数据和决策属性数据，所述决策属性数据的决策值为硅含量，所述条件属性数据包括富氧率、透气性指数、标准风速、冷风流量、鼓风动能、炉腹煤气量、炉腹煤气指数、理论燃烧温度、顶压、富氧压力、冷风压力、全压差、热风压力、实际风速、热风温度、上炉硅含量中的至少两类数据；

每个样本的数据包括一组条件属性数据和一个决策值；

步骤2：对步骤1中所述样本数据进行离散化处理，并基于离散化处理后的样本数据建立分段式决策表；

其中，分段式决策表包括常规决策表、高硅决策表以及低硅决策表；

所述常规决策表中每行表示离散化处理后的一个样本的数据；

将所述常规决策表的各个样本中大于第一临界值的决策值设置为1，剩余决策值设置为0得到所述高硅决策表；

将常规决策表中小于第二临界值的决策值设置为1，剩余决策值设置为0得到所述低硅决策表；

其中，所述第一临界值大于所述第二临界值；

步骤3：基于粗糙集理论对所述分段式决策表进行属性约简得到相对应的分段式知识库，并将各个知识库中决策值恢复为原始数据；

其中，所述分段式知识库包括与常规决策表、高硅决策表以及低硅决策表对应的常规知识库、高硅知识库以及低硅知识库；

步骤4：将待测样本按照预设匹配优先级与步骤3中的分段式知识库进行匹配直至查找出相匹配的知识库，并获取相匹配的知识库中与所述待测样本相匹配的样本；

其中，识别知识库与所述待测样本是否相匹配的方法为识别知识库中是否存在样本与所述待测样本相匹配；所述预设匹配优先级是分段式知识库中各个知识库与所述待测数据的匹配先后顺序；