数据挖掘在炼铁系统中的应用现状及展望(下).pdf

《数据挖掘在炼铁系统中的应用现状及展望(下).pdf》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、第36卷第6期冶金自动化Vo1．36No．6MetallurgicalIndustryAutomationNOV．20122012年l1月·综述与评论·doi：10．3969／j．issn．1000-7059．2012．06．001数据挖掘在炼铁系统中的应用现状及展望(下)张建良，曹维超，国宏伟，苏步新，张涛(北京科技大学钢铁冶金新技术国家重点实验室，北京100083)中图分类号：TF325；TP391文献标志码：A文章编号：1000—7059(2012)06-0001-04Application

2、andperspectiveofdatamininginironmakingsystem(B)ZHANGJian—liang，CAOWei—chao，GUOHong—wei，SUBu—xin，ZHANGTao(StateKeyLaboratoryofAdvancedMetallurgy，UniversityofScienceandTechnologyBeijing。Beijing100083，China)1．3神经网络必要的询问，而且当数据不充分时神经网络就无数据挖掘过程中，往往遇到十分复杂的非线

3、法工作。性问题，难以弄清问题的机理和本质，无法通过主印度Tata钢铁公司以膨润土量、生块水分、成分分析简化问题或通过决策树等方法提取规FeO质量分数和碱度为输入，通过人工神经网络则。神经网络是数据挖掘具体实现的方法之一，预测生产球团矿的冷态抗压强度，预测结果与实对于此类问题具有良好的适用性。际相差不到3％，能准确地指导球团矿生产。“神经网络”或“人工神经网络”是指用大量湖南华菱涟源钢铁公司在2006年把神经网简单计算单元(即神经元)构成非线性系统，它在络智能优化控制技术引入280m烧结机烧结终点一

4、定程度上模仿了人脑神经系统的信息处理、存智能优化控制中，动态稳定烧结终点在最佳位置，储及检索功能，因而具有学习、记忆和计算等处理实现了烧结终点的自动控制。采用自动控制时，功能。常用的神经网络模型和相应的学习算法有90％以上的烧结终点位置控制在±0．4个风箱的3种，第1种是采用前馈神经网络结构和Sigmoidal偏差之内，波动率降低了6％～8％。激励函数的多层感知器模型，相应算法是反向传高炉铁水si质量分数的预测广泛采用神经网播BP算法，是目前应用的主流；第2种是径向基络模型，张军红等结合遗传算法(

5、GA)和BP神函数神经网络和算法，与第1种相比学习速度快经网络，建立了优化的GA—BP预测分析模型；肖伸但是相对局部(即仅当输入落在输入空问中一个平¨采用结合小波包分析的特征提取及神经网络很小的指定区域内，隐单元才做出有意义的非零的非线性映射等特性的小波神经网络系统，实现响应)；第3种是自组织特征(SOFM)网络及算法。高炉铁水中si质量分数的预报和控制。但应用中目前，在冶金行业，主要应用的是第1种BP网络普遍遇到的问题是由于影响Si质量分数的因素很以及其改进型。多，则神经网络的输入量过多，因此会

6、使网络训练神经网络在炼铁系统中应用广泛深入，可以的时间变长，控制的实时性就差。针对这个问题，说，目前绝大数数据挖掘应用都是基于神经网络李界家等¨采用模块化神经网络预测铁水si质的。它的优点是有很强的非线性拟合能力，可映量分数的方法有效地提高了系统的学习能力，改射任意复杂的非线性关系，而且学习规则简单，便进了神经网络控制的实时性和控制精度。图4是于计算机实现。但最严重的缺点是没有能力来解采用模块化神经网络的铁水si质量分数预测结构释自己的推理过程和推理依据，不能向用户提出图。经过网络学习前的数据预处

7、理之后，按照对收稿日期：2011-12-02；修改稿收到日期：2012-04-26作者简介：张建良(1965一)，男，天津人，教授，博士生导师，博士，主要从事高炉炼铁及炼铁资源优化等研究。2冶金自动化第36卷炉温影响关联规律的不同，将神经网络的输入分行日常决策查询或数据分析时，通过O．LAP访问成4个模块：熟料比和焦炭负荷模块为配料参数数据库，OLAP读取数据并调用处理工具，将结果模块；风压、风量和风温模块为送风参数模块；富以图表等形式呈现出来，给出决策建议。决策系氧量和喷煤量模块为微调参数模块；

8、上一次铁水统以OLAP为框架，对数据的预处理和决策分析Si质量分数模块作为单独的一个模块。在实际应使用数据挖掘的其他方法，如采用主成分分析和用中，炉温正常时铁水硅质量分数在0．45～0．65聚类分析简化原始数据，采用决策树提取决策规之间，采用单个神经网络预测时，实际值与预测值则等。对于炼铁系统，最重要的是对原燃料的采有很大误差，而采用模块化神经网络预测时则非购决策。决策系统通过对历史采购统计、每种原常接近实际值，准确率达到92％，同时学习时间缩料对质量和成本的影响等结果的分析，自动