基于高斯混合模型和改进残差分析的高炉硅含量预测方法技术

本发明专利技术涉及自动化检测技术领域，尤其涉及基于高斯混合模型和改进残差分析的高炉硅含量预测方法。首先，通过整合数据库中预设时间内的硅含量、相应物料参数和环境参数，构建了第一基础数据集；随后，利用高斯混合模型和改进残差分析，分别对输入异常数据和输出异常数据进行筛选，得到第二和第三异常数据集，通过剔除这两个异常数据集包含的数据，获得了第四优质数据集；然后搭建XGBoost回归预测模型，并使用第四优质数据集对模型进行训练，最终获得了优质XGBoost回归预测模型。这一模型能够实时预测高炉硅含量，通过对异常数据的筛选，提高了数据集的质量，提高了高炉硅含量预测的准确性。

【技术实现步骤摘要】

本专利技术涉及自动化检测，尤其涉及基于高斯混合模型和改进残差分析的高炉硅含量预测方法。

技术介绍

1、钢铁产业作为工业生产的基础和重要产业，高炉炼铁作为其前提和核心问题，提高炼铁效率对经济和环境具有重要意义，可以帮助钢铁企业在降本增效、节能减排方面取得显著成果。在这一产业链中，铁水中硅含量的实时信息对于高炉操作人员判断内部状态和生铁质量至关重要。能够提前了解硅含量的变化，操作人员可以在必要时采取准确的控制措施，有效提高和稳定高炉铁水的质量。

2、传统的硅含量检测方法是将出炉铁水送至化验室进行检测，然而，这种方法存在着严重的滞后性，对于一线生产工作的指导作用较低。另外，依赖操作人员的专业经验和过程知识进行硅含量判断虽然具有实时性，但存在不可移植性、不确定性和模糊性等缺点，其判断受到操作人员经验知识的影响较大。由于高炉内部涉及复杂的物理化学反应，传统的公式拟合方法很难全面描述和解耦高炉硅含量的变化过程。

3、为了克服上述问题，引入机器学习等方法建立模型对硅含量进行预测，具备理论性、可学习性和可移植性等特点。这种方法能够更全面地研究高炉铁本文档来自技高网...

【技术保护点】

1.基于高斯混合模型和改进残差分析的高炉硅含量预测方法，其特征在于，包括以下步骤:

2.根据权利要求1所述基于高斯混合模型和改进残差分析的高炉硅含量预测方法，其特征在于:所述S100中，所述将钢铁企业储存在数据库中的一段时间内的硅含量以及该段时间内所述硅含量对应的物料参数和环境参数作为初始数据集进行整合，作为第一基础数据集，包括：

3.根据权利要求1所述基于高斯混合模型和改进残差分析的高炉硅含量预测方法，其特征在于:所述S200中，所述使用高斯混合模型对第一基础数据集的数据进行输入异常数据的筛选，获得第二异常数据集，包括：

4.根据权利要求1所述基于高...

【技术特征摘要】

1.基于高斯混合模型和改进残差分析的高炉硅含量预测方法，其特征在于，包括以下步骤:

2.根据权利要求1所述基于高斯混合模型和改进残差分析的高炉硅含量预测方法，其特征在于:所述s100中，所述将钢铁企业储存在数据库中的一段时间内的硅含量以及该段时间内所述硅含量对应的物料参数和环境参数作为初始数据集进行整合，作为第一基础数据集，包括：

3.根据权利要求1所述基于高斯混合模型和改进残差分析的高炉硅含量预测方法，其特征在于:所述s200中，所述使用高斯混合模型对第一基础数据集的数据进行输入异常数据的筛选，获得第二异常数据集，包括：

4.根据权利要求1所述基于高斯混合模型和改进残差分析的高炉硅含量预测方法，其特征在于:所述s300中，所述使用改进残差分析对第一基础数据集的数据进行输出异常数据的筛选，获得第三异常数据集，包括：

5.根据权利要求1所述...

【专利技术属性】
技术研发人员：徐睿昕，李杏华，刘立明，杨宁，吉富强，
申请(专利权)人：天津大学，
类型：发明
国别省市：