[发明专利]用于高炉铁水硅含量预测模型的数据约简处理方法及装置

说明书

本发明公开了一种用于高炉铁水硅含量预测模型的数据约简处理方法及装置，该方法通过引入高炉铁水冶炼的工艺特征，数据特征以及工作人员的实际经验，将其转化为属性优先级序列，利用必要集冲突检测的机制和递归的方法，保证求出的约简唯一且与应用最匹配；其中设置的必要集BS，保证了约简集R中属性的非冗余性，并用于判断核属性冲突；采用递归的方式求取最匹配约简，利用递归自带的现场保护，在遇到核属性冲突时，直接以最简单的方式逐一返回到上一个状态，而不用进行状态恢复；整个处理过程操作简单，计算结果准确，该方法具有较大的推广价值。

技术领域

本发明涉及一种用于高炉铁水硅含量预测模型的数据约简处理方法及装置。

背景技术

高炉铁水硅含量预测是高炉冶炼优化控制中的关键步骤。其预报结果对操作参数的调节具有决定性的影响作用，是实现提高铁水质量、产量、资源和能源利用率的必要途径。由于工艺机理复杂，基于数据建模的预测方法成为了硅含量预测的主流，然而，由于输入参数之间存在不同程度的耦合性，现有的基于相关性求解的模型输入参数集难以做到与预测模型的最佳匹配，会影响预测命中率。因此，需要采用合理的方法计算高炉冶炼硅含量预测的最佳输入集，例如基于粗糙集的数据约简定制处理方法等。

粗糙集理论作为一种数据分析处理理论，能有效地对数据进行分析推理，进而将不重要的、冗余的数据以及属性删除，从而获得一个包含完整信息的精简的新数据集，为基于数据的分析、建模、决策等方法提供优质的源数据。

然而，由于约简定义的限制，一个原始数据集存在多个约简结果，传统的约简算法往往只随机计算一个结果。但在高炉冶炼硅含量预测应用中，各属性即工艺参数具有强烈的应用特征和机理特征，无法相互替代，需要计算与预测模型最匹配的约简，因此，需要引入包含工艺特征与数据特征的背景知识，并以此约束约简算法，从而获得与预测模型最匹配的数据处理结果。

发明内容

本发明提供了一种用于高炉铁水硅含量预测模型的数据约简处理方法及装置，其目的在于，克服了传统启发式约简算法的缺陷，通过利用必要集冲突检测的机制和递归的方法，保证了求出的约简唯一且与应用最匹配。

一种用于高炉铁水硅含量预测模型的数据约简处理方法，包括以下步骤：

Step1，通过分析高炉冶炼过程的运行机理，计算所采集的高炉冶炼数据的相关性，并结合现场工人的实际操作经验制定高炉冶炼条件属性数据的优先级序列P；

所述高炉冶炼数据是指富氧率、标准风速、透气性指数、冷风流量、炉腹煤气量、炉腹煤气指数、理论燃烧温度、顶压、富氧压力、冷风压力、全压差、热风压力、实际风速、热风温度、鼓风动能以及硅含量，所述高炉冶炼数据中的硅含量为决策数据，其余数据为条件属性数据；

条件属性数据的优先级序列是依据高炉冶炼的运行机理，并依据所有数据之间的相关性，以及操作经验，对硅含量的影响程度由大到小的条件属性数据；

Step2，对历史高炉冶炼数据进行离散化处理，并构建可辨识矩阵M，M＝{m(i,j)}；

其中，x_i,x_j表示不同的高炉冶炼样本数据，a(x_i)和a(x_j)表示高炉冶炼样本数据x_i,x_j中属性a的对应值，C表示所有条件属性数据的集合；

如果两个不同决策值样本的所有条件属性值都相同，则称两个决策值不同的样本为不一致样本；

Step3，对可辨识矩阵计算核属性core，删除可辨识矩阵M中包含核属性的元素，检查可辨识矩阵M是否为空，如果是，则输出约简集R＝core，结束约简处理过程；否则，删除优先级序列P中核属性对应的条件属性，转Step4；