基于工艺理论和卷积神经网络的烧结矿转鼓指数预测

作     者：刘然 张智峰 刘小杰 李欣 李宏扬 吕庆 LIU Ran;ZHANG Zhifeng;LIU Xiaojie;LI Xin;LI Hongyang;LV Qing

作者机构：华北理工大学冶金与能源学院河北唐山063210 

出 版 物：《钢铁研究学报》 (Journal of Iron and Steel Research)

年 卷 期：2023年第35卷第6期

页      面：651-658页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0806[工学-冶金工程] 080601[工学-冶金物理化学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(52004096) 河北省自然科学基金资助项目(E2020209208) 

主　　题：烧结 转鼓指数 卷积神经网络 大数据 特征工程 

摘      要：作为评价烧结矿质量的重要指标之一,转鼓指数的高低直接影响着高炉生产的稳定与否。以某钢铁企业烧结生产数据为基础,提出了基于特征工程与图像识别技术的烧结矿转鼓指数预测方法。首先对挑选出的3类28个影响烧结矿转鼓指数的重要指标完成数据预处理;而后通过SVM-RFE算法以及交叉验证算法筛选出对目标变量影响较大的特征参数;最后用卷积神经网络对经过数据特征转化的二维特征图像进行训练,建立了基于卷积神经网络的烧结矿转鼓指数预测模型。结果表明,在误差范围为±1%的情况下该模型命中率高达93.71%。这种将数据特征转化为图像特征的处理方法有效地提高了预测能力,对未来预测式烧结技术的发展具有很好的借鉴意义。