基于非线性可加模型的高炉炉温波动解析

摘要

作为我国GDP的核心产业之一，钢铁行业影响着中国经济的发展。高炉炼铁作为钢铁制造主体的上游工序，是整个钢铁工业的重要构成环节，无论是对整个行业的发展，还是对行业整体的节能减排，都起着十分重要的作用。高炉炼铁的炉况是否顺行，关系到整个炼铁过程是否高效和节能，而高炉炉温则是甄别高炉炉况的重要指标，一般可以通过控制炉温来保证高炉炉况的顺利进行。其中，铁水硅含量，长期以来都是作为炉热状态的表征指标，因此，建立可靠又精确的预报模型，用来指导高炉炼铁工作人员进行炉温控制，不仅仅只是理论研究，更对钢铁工业的生产实践，有着重大的指导意义。然而，高炉炼铁有着非常复杂的反应流程，其整个炼铁过程存在非线性、高维、不确定、大噪声等特点，如何克服这些特点，研究出高精度的预测模型，是目前模型开发的主要难题。
　　本文在前人对高炉炉温预测研究的基础上，引入非线性可加模型与时间序列的方法作为主要的研究工具，使用高炉专家系统在线采集的包头钢铁集团公司高炉生产数据为原始数据，进行大量的数据处理、分析以及模型的拟合检验，建立了基于非线性可加模型的高炉炉温预测模型。
　　可加模型是90年代开始在国外被运用的一种新的实证方法，经过不断地发展，在理论上形成了一定的框架。目前，可加模型被广泛用于医学、生物、金融、统计学等领域，其最大优点为只需要数据驱动，与模型无关，且不受既定的参数和曲线影响，只要变量具有一定的可加性。同时，可加模型能够在变量较多的情况下，避免“维数灾难”，因此，使得处理高炉炉温数据、建立炉温预测模型的问题变得简化。
　　本文首先对高炉炼铁的基本原理、工艺流程、高炉专家系统以及国内外高炉预测模型进行了概述，对高炉炉温当前的发展进行了一定的介绍，然后介绍了非线性可加模型的基本理论和时间序列模型，最后建立了基于非线性可加模型的高炉炉温预测模型。
　　本文的建模样本容量为300组在线采集的高炉数据，首先对数据采取归一化预处理，然后将通过高炉检测系统收集到的所有指标数据进行共线性诊断，确定放入可加模型中拟合的指标，最后使用R软件中的GAM包对模型进行拟合，利用P值进行检验，确定最优模型，并进行数据仿真。
　　本文使用同一组数据，分别采用时间序列AR模型和非线性可加模型两种方法，进行了多次仿真预测，比较多组实验结果后显示:非线性可加模型和原始时间序列的AR模型相比，预测命中率有了显著地提高，证明了在高炉炉温预测时非线性可加模型具有实际应用价值。

目录

声明

摘要

第一章 绪论

1．1 高炉炼铁的原理

1．1．1 高炉炼铁的流程

1．1．2 高炉冶炼过程的复杂性

1．2 高炉炼铁工艺信息化探索和发展

1．2．1 高炉炼铁的基础自动化

1．2．2 高炉炼铁的智能控制化

1．2．3 高炉专家系统简介

1．3 高炉炉温预测模型研究综述

1．3．1 国内外研究进展

1．3．2 高炉炉温预测建模的难度

1．4 非线性可加模型对铁水硅的预测

1．5 本文研究的主要内容

第二章 可加模型理论基础

2．1 可加模型定义与发展

2．2 可加部分线性模型

2．3 广义可加部分线性模型

2．3．1 估计方法

2．3．2 变量选择

2．4 非线性可加模型

第三章 铁水硅含量预测——基于时间序列模型的分析

3．1 时间序列分析简介

3．1．1 基本定义

3．1．2 时间序列分析方法

3．1．3 自回归模型

3．1．4 n阶自回归模型

3．2 铁水硅含量自回归模型的建立

3．2．1 序列平稳性检验

3．2．2 模型阶数的确定

3．2．3 模型预测情况

第四章 基于非线性可加模型的铁水硅含量预测

4．1 模型的建立与预测方法

4．2 变量的选取

4．3 数据的预处理

4．3．1 数据的归一化处理

4．3．2 数据的滞后性处理

4．4 铁水温度预测可加模型的建立

4．4．1 模型的建立

4．4．2 可加模型预测应用案例

4．5 可加模型预测方法和时间序列方法的对比

4．6 本章小结

第五章 结论与展望

参考文献

致谢