[发明专利]一种基于Stacking的高炉铁水质量区间预测方法

说明书

本发明提出一种基于Stacking的高炉铁水质量区间预测方法，包括：获取高炉原始历史数据，并进行预处理；根据输入输出参数从预处理后的高炉原始历史数据提取样本数据集；建立基于N折模型的Stacking算法铁水质量模型并计算建模误差预测区间；根据N折模型的Stacking算法铁水质量模型对实时采集的高炉数据进行预测，得到预测值和预测区间；本发明可以避免离线化验的滞后性和人工操作带来的不确定性，实现多元铁水质量值和预测区间的同时预报。为现场的操作人员及时准确判断高炉内部运行状态提供了关键指标，同时可以根据工况的变化，利用最新的过程数据更新软测量模型参数，避免了时不变模型的局限性，实用价值很高。

技术领域

本发明属于高炉冶炼自动化控制技术领域，具体涉及一种基于Stacking的高炉铁水质量区间预测方法。

背景技术

高炉是一个在炼铁过程中的大型的对流反应器和热交换器，同时高炉炼铁也是社会发展的一个重要环节。然而高炉内部冶炼环境极其严酷，反应最剧烈的区域温度高达2000多度，压强高达标准大气压的4倍左右，且伴随着固、液、气多相共存的状态，使高炉内部状态难以实时监测，从而难以对高炉进行优化控制。目前，被广泛用来间接反映高炉内部状态的指标为铁水质量参数，综合性的铁水质量指标通常采用Si含量、P含量、S含量和铁水温度来衡量，铁水质量参数的测量一般采用离线化验法，测量结果会滞后1-2小时，因此其结果无法实时的反映高炉内部状态。为了实现对高炉内部运行状态实时全面地监测，就需要建立高炉多元铁水质量参数的在线软测量模型以实现对铁水质量的实时在线软测量，充分利用高炉炼铁过程中可检测的运行数据，建立数据驱动的高炉多元铁水质量在线软测量模型。

专利公开号CN102031319A公开了“一种高炉铁水含硅量的预报方法”，该方法包括数据参数选取及预处理、预测算法、结果输出及操作指导，数据参数选取采用硅含量短期均值、硅含量中期均值、硅含量长期均值、前次铁水对应的风口理论燃烧温度及前次铁水含硫量五个参数，通过神经网络算法对硅含量进行预测。

专利公开号CN101211383A公开了“一种高炉铁水硅含量的特征分析预报方法”，使用引入遗传算法优化的最小二乘支持向量机对高炉铁水中的硅(Si)含量进行预报。该方法通过对原有样本进行指数加权移动平均滤波和归一化预处理对样本数据进行特征提取，建立了高炉铁水硅含量预报的动态递归模型。

专利公开号CN103320559A公开了“一种高炉铁水硫含量预报方法”，以硫S含量短期均值、硫含量中期均值、硫含量长期均值、前次铁水对应的炉渣碱度、前次铁水含硅量、入炉焦炭S含量、入炉煤粉S含量作为铁水含硫预报的输入变量，基于径向基函数神经网络建模技术，预报下一次铁水的含硫量。

上述专利报道的方法以及其他相关文献中的方法均是针对单一铁水质量参数，如铁水温度、Si含量、S含量等，进行软测量的方法，单一的铁水质量参数并不能全面地反映高炉内部复杂的状态，无法为现场的操作人员提供综合性的指导，实际应用价值较低。另外，这些模型只是单一的对铁水质量值进行预测，而在高炉炼铁过程中，由于工矿经常波动，致使这些高炉铁水质量预测模型结果的不确定特征明显，难以表征真实的高炉内部状态，带来实时监测和控制方向性的错误。由此可见，只是单一的针对铁水质量进行预测，在面对炉况不稳定的情况，存在较大不确定性，难以解决高炉炉温精确调控的难题。综上所述，目前国内外还没有专门针对高炉冶炼过程铁水质量参数Si含量、P含量、S含量和铁水温度进行预测值和预测区间的同时预报。

发明内容

针对上述技术不足，本发明提出一种基于Stacking的高炉铁水质量区间预测方法。

一种基于Stacking的高炉铁水质量区间预测方法，具体步骤如下：

步骤1：获取高炉原始历史数据，并进行预处理，包括：对数据统一时间粒度、剔除休风数据和异常数据以及归一化数据，具体包括如下步骤：