基于工业大数据的数字化炼铁技术

本书系统介绍了高炉炼 铁过程“原燃料—操作—炉 况—渣铁”全链条数据治理 方法、时滞性与关联规则挖 掘方法、数据与机理融合模 型构建方法、关键指标状态 评价与趋势预测方法以及多 目标智能协同优化决策机制 等内容。 本书可以作为高等学校 冶金类、材料类、计算机等 相关专业的教学参考书，也 可以作为从事高炉炼铁工艺 、数字化与智能化工作的工 程技术人员科研人员加深理 解高炉炼铁数字化建模及其 应用技术的参考用书。

1 概述 1.1 大数据技术的发展 1.1.1 数据挖掘的发展 1.1.2 人工智能的发展 1.1.3 机器学习算法 1.2 钢铁生产数字化转型 1.3 高炉生产工艺及数据特点 1.3.1 高炉生产工艺 1.3.2 高炉数据特点 1.4 智能化高炉技术发展现状 1.4.1 高炉数据预处理 1.4.2 高炉参数时滞性和关联性分析 1.4.3 高炉炉况关键指标分析与预测 1.4.4 高炉参数优化 1.4.5 国内外钢铁企业智能化高炉技术应用现状 参考文献 2 高炉生产过程数据治理 2.1 高炉数据资源梳理 2.1.1 原燃料类参数 2.1.2 工艺操作类参数 2.1.3 冶炼状态类参数 2.1.4 渣铁类参数 2.2 高炉数据科学治理 2.2.1 高炉缺失数据处理 2.2.2 高炉异常数据识别与处理 2.2.3 高炉不同频次数据整合 2.2.4 高炉高维属性约简 2.2.5 高炉参数时滞性分析 2.3 高炉数据可视化 2.3.1 一维数据可视化分析 2.3.2 二维数据可视化分析 2.3.3 多维数据可视化分析 参考文献 3 高炉生产过程数据挖掘 3.1 离散型数据的高炉参数关联规则挖掘 3.1.1 关联规则挖掘 3.1.2 FP-Growth算法 3.1.3 基于FP-Growth算法的高炉参数关联规则挖掘 3.2 时序型数据的高炉参数关联规则挖掘 3.2.1 烧结SiO7含量与K值的关联规则挖掘 3.2.2 铁水测温与热负荷的关联规则挖掘 3.2.3 炉身静压与热负荷的关联规则挖掘 3.3 高炉参数关联规则库的建立 参考文献 4 高炉布料仿真模型及其应用 4.1 高炉布料仿真模型的设计 4.1.1 料流轨迹计算 4.1.2 料面形状计算 4.1.3 布料仿真模型的设计 4.2 高炉布料仿真模型的功能