基于数据挖掘与清洗的高炉操作参数优化

来源期刊：东北大学学报(自然科学版)2020年第8期

论文作者：刘馨 张卫军 石泉 周乐

文章页码：1153 - 1160

关键词：智慧钢厂;数据挖掘;特征工程;k-means聚类;随机森林;高炉;

摘    要：为了提高企业生产力,实现"智慧钢厂",对企业的海量生产数据信息进行有效挖掘,收集了某钢厂最近4年的高炉生产数据,利用箱型图进行数据清洗,提高数据质量.采取工艺理论和专家经验结合随机森林算法筛选出23个影响铁水质量和产量的特征参数.以铁水产量和铁水[Si+Ti]质量分数为目标参数,通过k-means聚类分析法将其分为3类.将分类结果与特征参数整合后进行分析,得到造成铁水产量和质量大范围波动的13个参数,同时提供了相应参数的合理控制范围.研究可对高炉稳定顺行以及数据挖掘在钢铁行业的应用提供指导.