钢铁研究学报

作者：刘然，张智峰，刘小杰，李欣，李宏扬，吕庆

单位：华北理工大学冶金与能源学院，河北唐山063210

关键词：关键词：烧结,转鼓指数,卷积神经网络,大数据,特征工程

摘要：作为评价烧结矿质量的重要指标之一，转鼓指数的高低直接影响着高炉生产的稳定与否。以某钢铁企业烧结生产数据为基础，提出了基于特征工程与图像识别技术的烧结矿转鼓指数预测方法。首先对挑选出的3类28个影响烧结矿转鼓指数的重要指标完成数据预处理；而后通过SVM-RFE算法以及交叉验证算法筛选出对目标变量影响较大的特征参数；最后用卷积神经网络对经过数据特征转化的二维特征图像进行训练，建立了基于卷积神经网络的烧结矿转鼓指数预测模型。结果表明，在误差范围为±1%的情况下该模型命中率高达93?71%。这种将数据特征转化为图像特征的处理方法有效地提高了预测能力，对未来预测式烧结技术的发展具有很好的借鉴意义。

来源：2023年第6期

《钢铁研究学报》期刊编辑部

查看钢铁研究学报杂志2023年第6期