[发明专利]一种基于大数据的转炉生产预报方法

权利要求书

1.一种基于大数据的转炉生产预报方法，其特征在于，包括以下步骤：

(1)数据采集：根据各工序的实际生产情况，对生产中各特征变量的数据进行采集；

(2)数据预处理：对所采集的数据进行预处理，包括数据筛选、数据变形、数据清理、标准化和数据分类，根据炉号构建形成数据帧；

(3)关键变量识别：根据转炉工序的控制要求，通过Pearson相关性分析识别各特征变量之间的相关性，保留与吹炼终点成分和出钢温度中相关性和强相关性的特征变量，去除无相关性和弱相关性的特征变量；

(4)构建模型：构建基于BP算法的DNN神经网络模型，输入层为特征变量；输出层为终点成分和出钢温度的预测值；

(5)模型训练与验证：载入步骤(3)中保留的特征变量数据进行模型训练和模型验证；直至预测值为C：实际测量值±0.01％wt，P：实际测量值±0.002％wt，出钢温度：实际出钢温度±5℃，且预测准确率不小于90％。

2.根据权利要求1基于大数据的转炉生产预报方法，其特征在于，步骤(1)中，所述特征变量的数据包括转炉原料信息、转炉辅料信息，生产工艺信息，终点和出钢信息。

3.根据权利要求1基于大数据的转炉生产预报方法，其特征在于，步骤(2)中，所述数据变形是指将数据进行正态分布转换，若其分布不满足单峰的正态分布，则重新进行数据筛选；所述数据清理是指清除存在空项、缺失和不完整的数据条目，确定数据分布的上限与下限；所述标准化是指将数据转化为便于计算机及模型理解的无量纲形式；所述数据分类是指将标准化的数据分为两类：用于模型训练的70％数据和用于模型验证的30％数据。

4.根据权利要求1基于大数据的转炉生产预报方法，其特征在于，步骤(4)中，神经网络模型的隐藏层共设置三层。

5.根据权利要求2基于大数据的转炉生产预报方法，其特征在于，所述转炉原料信息包括炉号、转炉炉座号、钢种、铁水成分、铁水温度、铁水量和废钢加入量；其中，铁水成分包括铁水碳、铁水磷、铁水锰、铁水硫、铁水硅的成分。

6.根据权利要求2基于大数据的转炉生产预报方法，其特征在于，所述转炉辅料信息包括石灰石、石灰、白云石、镁球、污泥球、脱磷剂、溅渣料、返矿、炉渣调整剂和氧化铁。

7.根据权利要求2基于大数据的转炉生产预报方法，其特征在于，所述生产工艺信息包括吹氧时间、氧气流量、氧枪高度、氧气消耗量、氩气消耗量、氮气流量和氩气流量。

8.根据权利要求2基于大数据的转炉生产预报方法，其特征在于，所述终点和出钢信息包括吹炼终点成分和出钢温度；吹炼终点成分包括终点钢水中碳、磷的成分。