[发明专利]一种基于配矿技术下预测烧结矿转鼓指数的方法在审
申请号: | 202210412803.2 | 申请日: | 2022-04-20 |
公开(公告)号: | CN114512197A | 公开(公告)日: | 2022-05-17 |
发明(设计)人: | 薛涛;李杰;张子驰;齐西伟;李一帆;张遵乾;任鑫英;杨爱民 | 申请(专利权)人: | 华北理工大学 |
主分类号: | G16C20/30 | 分类号: | G16C20/30;G16C20/70;C22B1/16 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 063210 河北*** | 国省代码: | 河北;13 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 技术 预测 烧结 矿转鼓 指数 方法 | ||
1.一种基于配矿技术下预测烧结矿转鼓指数的方法,基于配矿技术用碱度R2、镁铝比、混合料CaO成分、混合料Fe含量、混合料SiO2含量、混合料MgO含量、混合料Al2O3含量七个变量,预测烧结矿转鼓指数,构建模型,模型预测过程包括以下步骤:
首先进行数据预处理,对碱度R2、镁铝比两个指标进行了数据处理,计算公式如下:
其中mean和std为x所在列的均值和标准差,xij为预处理前数据,xij’为预处理后的数据;对混合料CaO成分、混合料Fe含量、混合料SiO2含量、混合料MgO含量、混合料Al2O3含量五个指标进行了数据处理,计算公式如下:
min和max是x所在列的最小值和最大值,xij为预处理前数据,xij’为预处理后的数据;
其次:对已有的实验数据进行合理的扩增优化,对每组数据均产生符合标准的高斯分布的随机数据;
再次:将扩容后上述的七个变量对应烧结矿的一个性能,构建“七个变量对应一个性能”的预测模型,建立基于Gradient Boost算法的预测模型,基函数的构成由决策树和神经网络共同构成,线性关系变量由决策树进行计算,非线性关系变量由神经网络进行计算;输入采用碱度R2、镁铝比、混合料CaO成分、混合料Fe含量、混合料SiO2含量、混合料MgO含量、混合料Al2O3含量,输出为烧结矿转鼓指数;
最后:预测模型误差检测采用平均绝对百分比误差MAPE作为模型误差检验标准。
2.根据权利要求1所述的一种基于配矿技术下预测烧结矿转鼓指数的方法,其特征在于,所述配矿技术,将包括巴西粉、巴粗、超特粉、老高返、块返、新高返、尘泥、白云石粉、石灰石粉、焦粉、无烟煤、FMG粉、PB粉、高炉除尘灰、生石灰等进行混合配矿,调制出不同碱度R2、镁铝比、CaO成分、Fe含量、SiO2含量、MgO含量、Al2O3含量,进而烧制为不同特性的烧结矿。
3.根据权利要求2所述的一种基于配矿技术下预测烧结矿转鼓指数的方法,其特征在于,所述烧制采用SJ系列带式抽风烧结机,规模为265m2的条件下进行烧结。
4.根据权利要求1所述的一种基于配矿技术下预测烧结矿转鼓指数的方法,其特征在于,所述预测模型误差检测方法以平均绝对百分比误差MAPE作为模型误差检验标准,公式如下:
其中,一共有n个变量,y
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华北理工大学,未经华北理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210412803.2/1.html,转载请声明来源钻瓜专利网。