偏最小二乘回归在高炉炼铁中的应用

摘要

钢铁工业是国家工业的基础，在发展国民经济与建设军队国防上有着不可替代的作用，它是衡量国家经济实力的一项重要指标。高炉炼铁是钢铁工业的源头第一道工序，能源消耗最多。对高炉炼铁过程进行智能控制，可以准确预报炉况，及时进行调控，有效降低能耗，以及提升生铁产量。 本文使用邯郸钢铁公司7#高炉(容积2000m3)的1000组实际生产数据作为研究对象，针对神经网络、模糊数学、混沌和分形时间序列等方法的局限性：只考虑关键参数或丢失有效信息。本文采用偏最小二乘回归法(PLSR)对高炉数据进行统计、分析和建模，达到提高预测高炉炉温准确率的目的。 本文首先考察各主要变量的数据分布状况，进而考察变量之问的相关性，为建模的变量选择提供参考和依据。其次，针对同一组数据，先后使用主成分回归(PCR)与偏最小二乘回归(PLSR)，对实验结果进行了详细的分析，并将二者进行比对。最后，用偏最小二乘回归给出了结果理想的预测模型，证明了该方法在高炉冶炼工艺中具有实际应用价值。

目录

声明

致谢

摘要

1绪论

1．1钢铁及钢铁工业简介

1．1．1钢铁简介

1．1．2钢铁工业简介

1．2 高炉炼铁过程及复杂性

1．2．1 高炉炼铁过程简介

1．2．2主要技术指标和参数

1．2．3复杂性简介

1．3高炉专家系统与炉温预测模型研究综述

1．4论文的主要内容

2数学建模的理论基础

2．1主成分回归(PCR)

2．2偏最小二乘回归(PLSR)

3数据分析与数值实验

3．1数据分析

3．2数值实验

3．3偏最小二乘回归模型的建模与应用步骤

4结论与展望

4．1 本文主要工作和结论

4．2展望

参考文献

攻读硕士期间完成的论文