[发明专利]一种用于烧结矿性能指标预测及综合质量评价方法

说明书

本发明涉及一种用于烧结矿性能指标预测及综合质量评价方法，包括步骤：(1)确定烧结矿综合质量评价的所有性能指标，根据灰色关联度法确定每个性能指标对应的重要影响参数；(2)对每个性能指标分别建立两个独立的预测模型，所述的预测模型用于对各个性能指标值进行预测；(3)对于每个性能指标，基于信息熵的方法确定两个独立的预测模型得出的预测值的权重，进而得到综合两个预测模型的烧结矿的各个性能指标的预测值；(4)对得到的综合两个预测模型的烧结矿的各个性能指标的预测值进行综合评价得到烧结矿的质量等级。与现有技术相比，本发明预测值准确，评价结果可靠。

技术领域

本发明涉及一种烧结矿性能预测及评价方法，尤其是涉及一种用于烧结矿性能指标预测及综合质量评价方法。

背景技术

钢铁生产是一个复杂的流程工业生产过程，生产过程的核心是高炉炼铁，烧结生产作为高炉炼铁生产的前工序，是炼铁生产的原料准备环节，烧结矿的质量直接影响着高炉炼铁的产量、质量及生产能耗，对烧结矿生产性能的准确预测是优化钢铁生产的前提，对钢铁生产具有重要的指导意义。

烧结过程工艺机理复杂，既包括多道工序，且各工序之间又相互关联、相互影响。烧结过程的基本原理是将有用的矿物粉末(含铁原料、熔剂、燃料、水等)按照一定比例进行配料，并加入适当的水分，经混合制粒后，铺到烧结机台车上，烧结料经表面点火后，在下部风箱强制抽风作用下，料层内燃料自上而下燃烧并放热，混合料在高温作用下发生一系列物理、化学反应，并产生一定的液相，随着料层温度降低冷却，液相将矿粉颗粒固结成块。

烧结生产性能指标的影响因素众多，性能指标与影响性能指标的各变量之间呈现出很强的非线性特征，因此需要预测模型具有强大的非线性处理能力。在现有的烧结矿生产性能预测模型中，以单一的预测模型为主，而在实际烧结生产中，单一的预测模型不能满足不同性能指标的差异化特点。

经过对现有技术的文献检索发现，烧结矿性能预测研究较多。在中国专利“烧结矿转股强度预测方法”(公开号CN103258130A)中，宋强等提出一种采用灰色残差修成模型的组合预测方法，提高了预测的精度和泛化性。在中国专利“小样本贫信息下的烧结矿化学成分预测与智能控制系统”(公开号：CN102156405A)中，王爱民等提出一种灰熵支持向量机的运算方法，在小样本贫信息的条件下对烧结矿化学成分做出比较准确的预测。但已有相关研究中没有全面考虑烧结矿生产各个不同参数对烧结矿性能的影响，缺少能适用于不同烧结矿性能指标的预测模型。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种用于烧结矿性能指标预测及综合质量评价方法。

本发明的目的可以通过以下技术方案来实现：

一种用于烧结矿性能指标预测及综合质量评价方法，该方法包括如下步骤：

(1)确定用于烧结矿综合质量评价的所有性能指标，根据灰色关联度法确定每个性能指标对应的重要影响参数；

(2)对每个性能指标分别建立两个独立的预测模型，所述的预测模型用于对各个性能指标值进行预测；

(3)对于每个性能指标，基于信息熵的方法确定两个独立的预测模型得出的预测值的权重，进而得到综合两个预测模型的烧结矿的各个性能指标的预测值；

(4)对得到的综合两个预测模型的烧结矿的各个性能指标的预测值进行综合评价得到烧结矿的质量等级。

所述的两个独立的预测模型包括灰色预测模型和BP神经网络预测模型，所述的灰色预测模型为基于时间序列的预测模型，所述的BP神经网络预测模型输入为相应的性能指标对应的重要影响参数，BP神经网络预测模型输出为对应的性能指标预测值。

步骤(1)根据灰色关联度法确定每个性能指标对应的重要影响参数具体为：