[發明專利]一種基于多目標集成學習的高爐鐵水硅含量預測方法

有效

• 申請號: 201911118811.0
• 申請日: 2019-11-15
• 公開（公告）號: CN111046612B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 王顯鵬;胡騰輝;唐立新
• 申請（專利權）人: 東北大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N20/20;G06N3/126
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 梁焱

本發明涉及鋼鐵企業自動化檢測技術領域，提供一種基于多目標集成學習的高爐鐵水硅含量預測方法。首先采集高爐檢測參數和硅含量數據，構建初始樣本集；然后對初始樣本集進行數據預處理；接著，選取訓練集、驗證集，設置多目標離散差分進化算法各參數，初始化種群，將特征選擇方案作為種群中的個體，構建并訓練每個個體對應的高爐鐵水硅含量預測的極限學習機模型，以最大化種群中個體的預測精度和個體相互之間的差異性為目標，基于多目標離散差分進化算法對種群進行更新，生成子學習機；最后，計算各子學習機的權重，利用權重對子學習機進行集成，得到集成學習機。本發明能夠充分利用檢測數據，提高高爐鐵水硅含量預測的精度和魯棒性。

技術領域

本發明涉及鋼鐵企業自動化檢測技術領域，特別是涉及一種基于多目標集成學習的高爐鐵水硅含量預測方法。

背景技術

高爐煉鐵是鋼鐵生產過程的第一道工序，其作用是將鐵礦石等含鐵原料中的鐵氧化物還原為鐵元素，得到生鐵；而生鐵是絕大多數鋼鐵產品進行生產加工的原料，其質量的好壞對于后續加工有著關鍵的影響。為了保證煉鐵過程平穩進行、減少能源消耗、提高生鐵質量，操作人員需要對爐況進行及時調節，使高爐溫度維持在一定的范圍內，避免出現“過熱”或“過冷”現象。但是高爐內部溫度高、環境惡劣，目前仍然缺乏對爐溫進行直接測量的手段，所以實際生產當中一般通過與爐溫具有正相關性的鐵水硅含量來間接表征爐溫。由此可見，實現鐵水硅含量的準確預報對于高爐煉鐵具有重要的意義。

由于高爐煉鐵過程十分復雜，鐵水硅含量會受到許多因素的影響。現有的高爐鐵水硅含量預測方法在進行建模時，通常選擇與硅含量相關性較強的若干個變量作為輸入特征。例如，專利“一種高爐鐵水硅含量的變量選擇預報方法”(馬淑艷，楊春節，宋菁華，申請公布號：CN?104899425?A)中使用多變量相關性分析方法和斯皮爾曼等級相關性分析方法進行樣本數據的變量選擇，確定了模型的輸入變量為爐頂壓力、爐頂溫度、料速、爐頂煤氣中的CO、CO₂和上一爐的硅含量。然而，現有高爐鐵水硅含量預測方法通過特征選擇方法只選擇出一部分特征變量，在不同爐況環境下可能獲得完全不同的特征選擇方案，難以滿足不同爐況下的特征動態選擇需要，并且丟棄未選中的特征變量造成了檢測數據的浪費，降低了高爐鐵水硅含量預測的精度和魯棒性。

發明內容

針對現有技術存在的問題，本發明提供一種基于多目標集成學習的高爐鐵水硅含量預測方法，能夠充分利用檢測數據，提高高爐鐵水硅含量預測的精度和魯棒性。

本發明的技術方案為：

一種基于多目標集成學習的高爐鐵水硅含量預測方法，其特征在于，包括下述步驟：

步驟1：構建初始樣本集：以采樣頻率f₁對高爐檢測參數{x₁,x₂,...,x_i,...,x_m}進行采樣，以采樣頻率f₂對高爐出鐵后的生鐵進行采樣并化驗生鐵中的硅含量，用本次生鐵采樣與上次生鐵采樣之間高爐檢測參數x_i的平均值作為本次生鐵采樣時高爐檢測參數x_i的值，選取采樣時間內一段時間的硅含量數據及該硅含量數據對應的高爐檢測參數數據構成初始樣本集其中，x_i為第i個高爐檢測參數，i∈{1,2,...,m}，m為高爐檢測參數的總數，y_j為第j個初始樣本中的硅含量，為第j個初始樣本中的參數向量，y_i-1為第j個初始樣本的上次生鐵采樣時的硅含量，為第j個初始樣本中的硅含量對應的高爐檢測參數x_i的值，n為初始樣本總數；