基于数据挖掘的高炉煤气流分布神经元网络模型的研究

《基于数据挖掘的高炉煤气流分布神经元网络模型的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、东北大学硕士学位论文基于数据挖掘的高炉煤气流分布神经元网络模型的研究姓名：张冬岩申请学位级别：硕士专业：计算机应用技术指导教师：林树宽20041201查!!垄堂堡主堂堡垒查塑墨基于数据挖掘的高炉煤气流分布神经元网络模型的研究摘要煤气流分布状态是高炉上部布料操作的主要依据，它对于高炉生产的增产提质，降低焦比具有十分重要的意义。但是煤气流的分布状态是无法做准确测量的，于是我们采用了利用高炉的运行指标(如高炉利用系数、焦比等)作为评价煤气流分布状况好坏的性能指标。因此，如何获取实时的高炉运行指标就是本论文要解决的主要问题。我们利用十字测温来拟合实时高炉运行指标，为了建立十字测温

2、和运行指标之间的关系，我们分别设计了离线和实时两个系统。离线系统中先对十字测温数据做聚类分析和主成分分析，然后使用处理后的样本数据构建一个我们所期望的煤气流分布网络，存入到模型库中。实时系统中，首先对实时传来的十字测温数据做判别分析、主成分分析，然后到模型库中取出对应的已经训练好的网络进行计算，输出结果。本课题采用的方案在目前的高炉专家系统中尚未见到，具有创新性。通过当前及未来高炉运行指标来评价煤气流的分布，这是一种新思路。实验表明，相对于单纯地使用神经元网络，这种基于数据挖掘的神经元网络模型所拟合的结果更加准确。关键词数据挖掘神经元网络煤气流分布模型东北大学硕士学位论文

3、ABSTRACTTheResearchofNeuralNetworkModelofBlastFurnaceGasFlowBasedonDataMiningABSTRACTDistributingstateofblastfurnacegasflowisprincipalbasisinoperatingguidanceofblastfurnacematerial．Itisveryimportanttoimprovetheoutputanddecreasethecokeratio．Butitisimpossibletomeasuringdistributingstateofga

4、sflowaccurately，thenweadoptindex(utilizecoefficientandcokeratioetc)ofblastfurnacetoappraisingthegasflowSotheprimaryquestionthepapertriestosolveishowtogetthereal—timeindexofblastfurnace．Weusecrosstemperaturetopredictreal—timeindexofblastfurnace．Forexploringtherelationshipbetweencrosstemper

5、atureandindexofblastfurnace，wedesignanofflinesystemandareal．timesystem．Intheofflinesystem，wefirsttransformthecrosstemperaturebydataminingtechnologywhichareclusteringanalysisandprincipalcomponentanalysis，thenbuildaprospectiveneuralnetworkwiththetreatedsampledataandsavethenetworktomodelstor

6、age．Inthereal—timesystem，wefirstdealthereal-timecrosstemperaturewithclusteringanalysisanddiscriminatinganalysis．ThenchooseasuitedtrainednetworkfrommodelstoragetocomputeandoutputtheresultThedesignschemeusedinthistaskisnotexistincurrentexpertsystemofblastfurnace，SOithascreativityinaway．Itis

7、anewideathatuse．m-东北大学硕士学位论文ABSTRACTreal-timeandfutureindexofblastfurnacetoappraisethegasflow．TheexperimentprovedtheresultfromneuralnetworkbasedondataminingisbetterthanonlyuseneuralnetworkKeyWords：datamining，neuralnetwork，modelofGasflow-Ⅳ-独创性声明本人声明所呈交的学位论文是在导师的指导下完成