高爐信息流處理及基于粒子群優(yōu)化BP神經網絡的焦比預測

摘要： 入爐焦比對高爐的產量與效益有著直接的影響，但由于高爐冶煉過程受多重共線性現(xiàn)象影響，其預測精度普遍不高。為此，首先對高爐信息流進行預處理，將高爐數(shù)據(jù)分成2類分別進行異常值分析與處理；其次通過皮爾遜相關性分析、斯皮爾曼相關性分析、MIC最大互信息系數(shù)、逐步回歸分析手段分析出與高爐焦比相關性強的參數(shù)變量作為預測模型的輸入參數(shù)變量，對32個參數(shù)變量進行篩選，最終確定16個特征變量，并對... （共8頁）