[发明专利]一种冶金焦炭质量预测影响因素确定方法

说明书

本发明公开了一种冶金焦炭质量预测影响因素确定方法，属于冶金焦炭质量预测技术领域。方法为通过采集大量的生产数据，利用极限梯度增强树的大数据处理方法计算影响冶金焦炭质量指标的相关性，确定冶金焦炭质量影响的参数。本发明利用大数据理论结合生产实际确定了一种以大数据理论分析影响冶金焦炭质量预测的分析方法，解决了原料炼焦单种煤性质的极端复杂性和炼焦过程的不可模拟性，增加了冶金焦炭的准确预测难度，焦炭质量预测的普适性很差，成为炼焦行业的一个难题。本发明将冶金焦炭生产过程中质量预测与大数据应用充分结合，提高冶金焦炭预测的普适性与准确性。

技术领域

本发明涉及属于冶金焦炭质量预测技术领域，具体涉及一种冶金焦炭质量预测影响因素确定方法。

背景技术

冶金焦炭是高炉冶炼中最重要的基础原料，是高炉冶炼生产的热源、还原剂、料柱骨架和渗透剂，同时也是高炉生产过程最重要的调节手段。近年来随着高炉冶炼技术的发展和进步，特别是高炉容积大型化、高风温技术以及鼓风富氧喷煤技术的迅猛发展，焦炭作为高炉内料柱的骨架，保证高炉内透气、透液作用更为突出。冶金焦炭的质量对现代高炉冶炼过程有着极大的影响，成为限制高炉稳定、均衡、优质、高效生产铁水的关键性因素。

对焦炭质量的预测是冶金焦炭质量管控与生产的重要环节，但由于冶金焦炭生产的复杂性及不稳定性，特别是原料炼焦单种煤性质的极端复杂性和炼焦过程的不可模拟性都为冶金焦炭的准确预测增加了难度，成为炼焦行业的一个难题。许多焦化企业采用不同的方法和形式的来冶金焦炭质量，但由于冶金焦炭生产的差异性，焦炭质量预测的普适性很差。

发明内容

本发明的目的在于提供一种焦炭质量预测影响因素确定方法，采集大量的生产数据，利用极限梯度增强树的大数据处理方法计算影响冶金焦炭质量指标的相关性，确定冶金焦炭质量影响的参数。

具体的，冶金焦炭质量预测影响因素确定方法，所述方法包括以下步骤：

步骤一：采集冶金焦炭生产过程中的数据，对数据进行清洗；

步骤二：采用极限梯度增强树方法不断的训练新树来拟合之前树种群的预测残差，在训练完成后，将每棵树对应叶节点的分数汇总即得样本的预测值；极限梯度增强树的目标函数定义为：

其中：F为所有决策树代表的函数空间，y_i和分别为样本真实值和模型预测值；f_k为第k个决策树(所对应的等价函数)。目标函数分为两部分,前一项为模型损失即预测误差；后一项为正则项,用来规范模型结构/行为。

进一步的，所述方法步骤二中采用极限梯度增强树方法不断的训练新树来拟合之前树种群的预测残差具体为采用基于EGBT(极限梯度增强树(Extreme GradientBoostingTrees，EGBT)是一种集成学习算法)的相关性分析，步骤包括：

步骤二一：初始化弱分类器，设有M个回归树；

步骤二二：求第i个基回归树的近似残差；

步骤二三：利用步骤二二获得的近似残差rmj学习第i个基回归树，确定第i个基回归树的区域划分Rmj；

步骤二四：求Rmj的最终残差rmj取值；

步骤二五：更新回归树；

步骤二六：若iM重复步骤二二至步骤二五。

本发明的有益效果在于：本发明利用大数据理论结合生产实际确定了一种以大数据理论分析影响冶金焦炭质量预测的分析方法，解决了原料炼焦单种煤性质的极端复杂性和炼焦过程的不可模拟性，增加了冶金焦炭的准确预测难度，焦炭质量预测的普适性很差，成为炼焦行业的一个难题。本发明将冶金焦炭生产过程中质量预测与大数据应用充分结合，提高冶金焦炭预测的普适性与准确性。

附图说明