基于样条变换的非线性PLS的反应高炉炉温的参数预测

在高炉冶炼过程中，高炉炉温预测至关重要，炉温过高或过低容易导致炉况故障。目前，国内高炉炉温预测模型有模糊神经网络模型、支持向量机和偏最小二乘回归预报模型等。多数炉温预测模型只利用铁水硅含量描述高炉炉温

在高炉冶炼过程中，高炉炉温预测至关重要，炉温过高或过低容易导致炉况故障。目前，国内高炉炉温预测模型有模糊神经网络模型、支持向量机和偏最小二乘回归预报模型等。多数炉温预测模型只利用铁水硅含量描述高炉炉温，实践表明，仅仅使用铁水硅含量来反应炉温不够准确。因此，笔者通过预测能够综合反应高炉炉温的4个参数（铁水硅含量、铁水硫含量、铁还原速率及铁水温度）来间接预测炉温。高炉冶炼过程是一个大时滞、强非线性的系统，现有的高炉炉温预测模型不够准确，因此，内蒙古科技大学的学者建立了基于香农熵的广义相关系数时滞分析模型和基于样条变换的非线性偏最小二乘回归（ST-PLS）的反应炉温的参数预测模型，得出影响高炉炉温的主要参数的滞后时间，预测出能够综合反应高炉炉温的4个参数（[Si]，[S]，铁还原速率及铁水温度）。试验证明，模型具有较高的预测精度，当相对误差分别为0.11和0.18时，模型预测[Si]的命中率分别为0.7143和0.9184，[S]的命中率分别为0.7347和0.9184，铁还原速率的命中率分别为0.6122和0.8163，铁水温度的命中率分别为1.0000和1.0000。(金也)