查看更多>>摘要:高炉压差对高炉的正常运行和冶炼效率有着重要的影响.压差过高会导致悬料,破坏高炉顺行;压差过低会引发炉内气流过吹甚至管道气流现象.因此,将高炉压差维持在一定范围内是保证高炉炉况稳定的前提,对高炉压差提前预测可以帮助操作人员了解高炉的工作状态,及时调整操作参数,进而保证炉况稳定.为了提高高炉压差预测精度,首先,以国内某钢铁企业监测的高炉冶炼数据为基础,建立了基于麻雀搜索算法(Sparrow Search Algorithm,SSA)优化的梯度提升决策树(eXtreme Gradient Boosting,XGBoost)和 BP 神经网络(Back Propagation Neural Network,BPNN)融合预测模型.该模型以SSA算法对单一模型的优化为核心,并通过误差倒数法加权预测值来降低模型的预测误差.结果表明,基于SSA优化的XGBoost-BP融合模型预测效果明显高于其他模型,该模型拟合优度达到0.842,具有较高的拟合能力,对比结果显示,融合模型较SSA-BP、SSA-XG-Boost模型预测误差更小,收敛速度更快,并且在±0.025×105 Pa的误差范围下,其预测准确率达到了 96.13%.最后,基于所提的融合模型建立高炉压差预测系统,该系统不仅起到了指导高炉生产的作用,而且对炼铁工业的转型升级具有一定的现实意义.