[發(fā)明專利]一種冶金焦炭質(zhì)量預(yù)測影響因素確定方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110503425.4
• 申請(qǐng)日: 2021-05-10
• 公開（公告）號(hào): CN113408186A
• 公開（公告）日: 2021-09-17
• 發(fā)明（設(shè)計(jì)）人: 蘆建文;王宏;江鑫;盧培山;付利俊;王勇;賈曉宗;歐宇星;范洪波;孫斌;王佳媛
• 申請(qǐng)（專利權(quán)）人: 包頭鋼鐵（集團(tuán)）有限責(zé)任公司
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06K9/62;G06Q10/04;G06Q10/06;G06Q50/04
• 代理公司: 北京律遠(yuǎn)專利代理事務(wù)所(普通合伙) 11574
• 代理人: 穆云

本發(fā)明公開了一種冶金焦炭質(zhì)量預(yù)測影響因素確定方法，屬于冶金焦炭質(zhì)量預(yù)測技術(shù)領(lǐng)域。方法為通過采集大量的生產(chǎn)數(shù)據(jù)，利用極限梯度增強(qiáng)樹的大數(shù)據(jù)處理方法計(jì)算影響冶金焦炭質(zhì)量指標(biāo)的相關(guān)性，確定冶金焦炭質(zhì)量影響的參數(shù)。本發(fā)明利用大數(shù)據(jù)理論結(jié)合生產(chǎn)實(shí)際確定了一種以大數(shù)據(jù)理論分析影響冶金焦炭質(zhì)量預(yù)測的分析方法，解決了原料煉焦單種煤性質(zhì)的極端復(fù)雜性和煉焦過程的不可模擬性，增加了冶金焦炭的準(zhǔn)確預(yù)測難度，焦炭質(zhì)量預(yù)測的普適性很差，成為煉焦行業(yè)的一個(gè)難題。本發(fā)明將冶金焦炭生產(chǎn)過程中質(zhì)量預(yù)測與大數(shù)據(jù)應(yīng)用充分結(jié)合，提高冶金焦炭預(yù)測的普適性與準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及屬于冶金焦炭質(zhì)量預(yù)測技術(shù)領(lǐng)域，具體涉及一種冶金焦炭質(zhì)量預(yù)測影響因素確定方法。

背景技術(shù)

冶金焦炭是高爐冶煉中最重要的基礎(chǔ)原料，是高爐冶煉生產(chǎn)的熱源、還原劑、料柱骨架和滲透劑，同時(shí)也是高爐生產(chǎn)過程最重要的調(diào)節(jié)手段。近年來隨著高爐冶煉技術(shù)的發(fā)展和進(jìn)步，特別是高爐容積大型化、高風(fēng)溫技術(shù)以及鼓風(fēng)富氧噴煤技術(shù)的迅猛發(fā)展，焦炭作為高爐內(nèi)料柱的骨架，保證高爐內(nèi)透氣、透液作用更為突出。冶金焦炭的質(zhì)量對(duì)現(xiàn)代高爐冶煉過程有著極大的影響，成為限制高爐穩(wěn)定、均衡、優(yōu)質(zhì)、高效生產(chǎn)鐵水的關(guān)鍵性因素。

對(duì)焦炭質(zhì)量的預(yù)測是冶金焦炭質(zhì)量管控與生產(chǎn)的重要環(huán)節(jié)，但由于冶金焦炭生產(chǎn)的復(fù)雜性及不穩(wěn)定性，特別是原料煉焦單種煤性質(zhì)的極端復(fù)雜性和煉焦過程的不可模擬性都為冶金焦炭的準(zhǔn)確預(yù)測增加了難度，成為煉焦行業(yè)的一個(gè)難題。許多焦化企業(yè)采用不同的方法和形式的來冶金焦炭質(zhì)量，但由于冶金焦炭生產(chǎn)的差異性，焦炭質(zhì)量預(yù)測的普適性很差。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種焦炭質(zhì)量預(yù)測影響因素確定方法，采集大量的生產(chǎn)數(shù)據(jù)，利用極限梯度增強(qiáng)樹的大數(shù)據(jù)處理方法計(jì)算影響冶金焦炭質(zhì)量指標(biāo)的相關(guān)性，確定冶金焦炭質(zhì)量影響的參數(shù)。

具體的，冶金焦炭質(zhì)量預(yù)測影響因素確定方法，所述方法包括以下步驟：

步驟一：采集冶金焦炭生產(chǎn)過程中的數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行清洗；

步驟二：采用極限梯度增強(qiáng)樹方法不斷的訓(xùn)練新樹來擬合之前樹種群的預(yù)測殘差，在訓(xùn)練完成后，將每棵樹對(duì)應(yīng)葉節(jié)點(diǎn)的分?jǐn)?shù)匯總即得樣本的預(yù)測值；極限梯度增強(qiáng)樹的目標(biāo)函數(shù)定義為：

其中：F為所有決策樹代表的函數(shù)空間，y_i和分別為樣本真實(shí)值和模型預(yù)測值；f_k為第k個(gè)決策樹(所對(duì)應(yīng)的等價(jià)函數(shù))。目標(biāo)函數(shù)分為兩部分,前一項(xiàng)為模型損失即預(yù)測誤差；后一項(xiàng)為正則項(xiàng),用來規(guī)范模型結(jié)構(gòu)/行為。

進(jìn)一步的，所述方法步驟二中采用極限梯度增強(qiáng)樹方法不斷的訓(xùn)練新樹來擬合之前樹種群的預(yù)測殘差具體為采用基于EGBT(極限梯度增強(qiáng)樹(Extreme GradientBoostingTrees，EGBT)是一種集成學(xué)習(xí)算法)的相關(guān)性分析，步驟包括：

步驟二一：初始化弱分類器，設(shè)有M個(gè)回歸樹；

步驟二二：求第i個(gè)基回歸樹的近似殘差；

步驟二三：利用步驟二二獲得的近似殘差rmj學(xué)習(xí)第i個(gè)基回歸樹，確定第i個(gè)基回歸樹的區(qū)域劃分Rmj；

步驟二四：求Rmj的最終殘差rmj取值；

步驟二五：更新回歸樹；

步驟二六：若iM重復(fù)步驟二二至步驟二五。

本發(fā)明的有益效果在于：本發(fā)明利用大數(shù)據(jù)理論結(jié)合生產(chǎn)實(shí)際確定了一種以大數(shù)據(jù)理論分析影響冶金焦炭質(zhì)量預(yù)測的分析方法，解決了原料煉焦單種煤性質(zhì)的極端復(fù)雜性和煉焦過程的不可模擬性，增加了冶金焦炭的準(zhǔn)確預(yù)測難度，焦炭質(zhì)量預(yù)測的普適性很差，成為煉焦行業(yè)的一個(gè)難題。本發(fā)明將冶金焦炭生產(chǎn)過程中質(zhì)量預(yù)測與大數(shù)據(jù)應(yīng)用充分結(jié)合，提高冶金焦炭預(yù)測的普適性與準(zhǔn)確性。

附圖說明