基于數據挖掘技術的寶鋼鐵水脫硫數學模型的建立與應用.pdf

1、為了降低鋼材中有害雜質硫的含量，在煉鋼之前要將鐵水中硫預先脫去。
　　論文在結合寶鋼實際使用經驗，對比分析現有脫硫的代數學模型和神經網絡模型的基礎上，根據寶鋼二煉鋼脫硫工藝，提出一種基于數據挖掘技術的鐵水脫硫數學模型。論文的主要工作如下:
　　在數據預處理階段，提出如何從現有的生產系統(tǒng)數據庫中抽取數據用于建模分析的方法，包括制定過濾規(guī)則，在抽取前采取ETL方式降低數據集中的噪聲，在抽取后采用了基于密度的離群點檢測技術清除樣本

2、集中異常數據，同時為了降低建模數據維數，對樣本集進行了數據分層，并運用假設檢驗工具對分層標準進行顯著性檢驗。
　　在脫硫數學模型方面，源自分類思想，提出一種基于k-最近鄰分類器基本原理建立脫硫劑加入量計算方法。k-最近鄰分類器的基本原理在歷史生產實績中搜尋與當前生產狀況最相似的批次，并用歷史投料量預測當前投料量。由于樣本集內部結構可能對分類結果造成影響，與傳統(tǒng)的尋找k最近鄰算法不同的是，采用了兩種考慮內部分類結構的算法作為補充。此