基于灰色关联分析和机器学习的高炉铁水硅含量预测

高炉铁水硅含量通常被用作表征“炉温”和高炉经济效益的重要指标,建立及时准确的高炉铁水硅含量预报模型,对于高炉稳定生产具有重要意义。本工作考虑时间延迟及灰色关联分析(GRA)并结合主成分分析(PCA)和长短期记忆网络(LSTM)建立了一种新的预测模型。首先,从硅的还原氧化行为角度出发,选出高炉生产中与铁水硅含量相关的操作参数、状态参数和结果参数。其次,通过GRA确定各参数与铁水硅含量的关联度大小,筛选出硅含量的主要影响因素。在此基础上,对国内某3200 m^(3)级高炉一年共计8544组生产数据进行降维处理。模型输入变量由降维得到的13个主成分组成,以铁水硅含量作为输出变量,建立了预测模型。该预测模型具有合理的泛化能力、鲁棒性和准确性。预测结果分析表明,该模型的决定系数(R^(2))为0.9297,均方误差(MSE)和平均绝对误差(MAE)分别为0.0012和0.0254,实现了对高炉铁水硅含量精确预测。