基于大数据和深度学习的烧结矿成分预报模型

摘要

本发明公开了一种基于大数据和深度学习的烧结矿成分预报方法，属于烧结工艺过程控制领域。该方法需要以烧结生产中与烧结矿成分变化相关的参数和海量历史数据为基础；采用箱型图法和孤立森林算法对异常数据进行检测，使用滑动窗口的方法对异常值进行替换；将皮尔逊相关系数法和关键特征选择法相结合得到模型的输入参数；建立基于DNN的在线成分预测模型，利用此模型根据烧结机的在线检测数据实时监测和预报烧结矿的TFe、FeO、V2O5和CaO/SiO2等成分；该模型预测结果与现场实际检测值拟合度较好，能够辅助现场操作人员及时、准确的判断烧结矿的成分及其变化趋势。