基于知识与数据相结合的高炉炉温融合预测

摘要

针对复杂高炉冶炼过程具有大滞后等特点,为提高高炉炉温预测精度,提出一种经验知识与数据相结合的炉温融合预测方法。首先,根据高炉经验知识,分析各变量在高炉内的滞后关系,以及在滞后时间内停留在高炉内部形成的累积关系,累积量对当前炉温造成的影响。通过累积量进行相关性分析,合理地确定输入变量。然后,将铁水温度与铁水硅含量融合来更好地表征炉温。最后,通过神经网络利用累积量作为输入建立经验知识与数据相结合的高炉炉温融合预测模型。实验中使用某钢厂高炉生产数据进行仿真,结果表明累积量模型具有良好的性能,可为高炉炉温预测提供新思路。