[发明专利]一种高炉综合状态预测方法及系统

权利要求书

1.一种高炉综合状态预测方法，其特征在于，包括：

获取高炉不同部位状态参数的历史数据；

对所述历史数据进行预处理，得到样本数据；

对所述样本数据进行适用性检测，得到适用性检测结果；

若所述适用性检测结果符合适用性预设标准，则根据所述样本数据，利用因子分析法确定所述样本数据中的公因子；

根据所述公因子和所述公因子的方差贡献率，确定样本高炉综合状态指标；

获取所述样本高炉综合状态指标对应的所述样本数据中的历史高炉生产实时数据；

根据所述样本高炉综合状态指标和所述历史高炉生产实时数据，利用相关分析法和AdaBoost算法建立得到高炉综合状态指标预测模型；

获取待预测的高炉生产实时数据；

将所述待预测的高炉生产实时数据输入所述高炉综合状态指标预测模型，得到预测的高炉综合状态指标；

获取高炉综合状态分类标准；

根据所述预测的高炉综合状态指标，通过所述高炉综合状态分类标准，得到高炉综合状态。

2.根据权利要求1所述的高炉综合状态预测方法，其特征在于，所述对所述历史数据进行预处理，得到样本数据，具体包括：

删除所述历史数据中高炉休风时间段的数据，得到第一数据；

对所述第一数据中不同部位的各种状态参数的频次通过升频或降频的方法进行统一，得到第二数据；

通过均值法对所述第二数据中各种状态参数的数据缺失值进行处理，得到第三数据；

根据所述第三数据利用箱型图删除所述第三数据中的异常值，得到第四数据；

利用z-score标准化法对所述第四数据进行标准化处理，得到样本数据。

3.根据权利要求1所述的高炉综合状态预测方法，其特征在于，所述对所述样本数据进行适用性检测，得到适用性检测结果，具体包括：

利用皮尔逊相关系数计算所述样本数据中两种状态参数的线性相关程度，得到所述样本数据中所有状态参数之间的线性相关系数；

根据所述线性相关系数，对所述样本数据进行KMO检验，得到KMO测度；

对所述样本数据进行巴特利特球形检验，得到球形检验值；所述适用性检测结果包括：所述样本数据中所有状态参数之间的线性相关系数、所述KMO测度和所述球形检验值。

4.根据权利要求1所述的高炉综合状态预测方法，其特征在于，所述若所述适用性检测结果符合适用性预设标准，则根据所述样本数据，利用因子分析法确定所述样本数据中的公因子，具体包括：

适用性预设标准包括：所述样本数据中所有状态参数之间的线性相关系数的绝对值大于0.5的数量大于或等于总数量的70％，KMO测度大于0.5，以及球形检验值小于0.05；

获取所述样本数据的协方差矩阵的特征值和单位正交特征向量；

根据所述特征值和所述单位正交特征向量，利用主成分法确定载荷矩阵；

利用四次方最大旋转法对所述载荷矩阵进行旋转，得到旋转因子矩阵；

根据所述旋转因子矩阵的载荷因子和所述样本数据的状态参数，确定公因子。

5.根据权利要求1所述的高炉综合状态预测方法，其特征在于，所述根据所述公因子和所述公因子的方差贡献率，确定样本高炉综合状态指标，具体包括：

根据所述公因子和所述公因子的方差贡献率，利用公式确定样本高炉综合状态指标；式中，Y’表示样本高炉综合状态指标，表示第d个公因子的方差贡献率，表示公因子。