- 基于工业大数据的数字化炼铁技术/数字钢铁关键技术丛书
- - 作者：唐珏//储满生//石泉|责编:郭冬艳//李泓璇//卢敏|总主编:王国栋
  - 出版社：冶金工业
  - ISBN：9787524000143
  - 出版日期：2024/12/01
  - 页数：196
- 售价：51.6

内容大纲
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。
作者介绍
目录
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

    4.2.1  布料仿真可视化
    4.2.2  区域焦炭负荷指数
    4.2.3  炉料落点
  4.3  高炉布料仿真模型的应用
  参考文献
5  数据与机理融合的高炉渣皮智能评价
  5.1  铜冷却壁有限元模型的建立
    5.1.1  铜冷却壁三维物理模型
    5.1.2  铜冷却壁数学模型
    5.1.3  铜冷却壁有限元模型
  5.2  基于生死单元的高炉铜冷却壁渣皮厚度模型
    5.2.1  铜冷却壁渣皮厚度计算方法
    5.2.2  煤气温度对渣皮厚度的影响
    5.2.3  挂渣温度对渣皮厚度的影响
    5.2.4  渣皮传热系数对渣皮厚度的影响
  5.3  数据与机理融合的渣皮厚度实时评价模型
    5.3.1  模型的建立
    5.3.2  结果分析
  参考文献
6  基于机器学习的高炉关键炉况参数预测
  6.1  炉况参数数据预处理
    6.1.1  共线特征数据处理
    6.1.2  数据拆分
    6.1.3  数据标准化
    6.1.4  重要特征选择
  6.2  机器学习算法优化
    6.2.1  特征工程
    6.2.2  超参数调优
    6.2.3  集成算法调优
  6.3  基于机器学习的高炉参数预测及分析
  参考文献
7  高炉炉热状态的智能化预测与优化
  7.1  基于渣铁热量指数的炉热机理模型
    7.1.1  根据物料平衡核算燃料比
    7.1.2  基于热平衡和物料平衡的渣铁热量指数
    7.1.3  基于渣铁热量指数的炉热计算
  7.2  基于深度学习的高炉炉热预测模型
    7.2.1  基于时滞信息与遗传算法的模型输入特征选择
    7.2.2  基于集成学习的炉热预测模型建立
    7.2.3  高炉炉热预测模型结果分析
  7.3  融合工艺知识的高炉炉热反馈模型
    7.3.1  高炉炉热反馈模型的建立
    7.3.2  高炉炉热反馈模型结果分析
  7.4  高炉炉热状态的智能化预测与优化模型应用
    7.4.1  基于自适应更新的高炉炉热预测在线模型
    7.4.2  高炉炉热预测与反馈模型在线应用效果
  参考文献
8  高炉炉缸活跃性智能评价—预测—反馈
  8.1  基于数据驱动的高炉炉缸活跃性评价模型
    8.1.1  高炉炉缸活跃性综合指数

    8.1.2  高炉炉缸活跃性评级方法
    8.1.3  高炉炉缸活跃性评价模型合理性分析
  8.2  基于深度学习与集成学习炉缸活跃性预测模型
    8.2.1  基于时滞信息与遗传算法的炉缸活跃性预测模型输入特征选择
    8.2.2  基于深度学习与集成学习的炉缸活跃性预测模型
    8.2.3  高炉炉缸活跃性预测模型结果分析
  8.3  融合工艺知识的炉缸活跃性反馈模型
    8.3.1  炉缸活跃性反馈模型的建立
    8.3.2  炉缸活跃性反馈模型结果分析
  8.4  高炉炉缸活跃性评价、预测与反馈模型在线应用
    8.4.1  基于自适应更新的高炉炉缸活跃性在线应用模型
    8.4.2  高炉炉缸活跃性评价、预测与反馈在线应用效果
  参考文献
9  基于机器学习和遗传算法的高炉参数多目标优化
  9.1  基于机器学习的高炉布料参数多目标优化
    9.1.1  布料角度设定方式
    9.1.2  布料参数调整方式
    9.1.3  不同布料参数调整方式下炉况参数预测
    9.1.4  不同布料参数调整方式下预测结果评估
    9.1.5  高炉布料参数迭代寻优
  9.2  基于机器学习的高炉控制参数多目标优化
    9.2.1  设定控制参数的测试集
    9.2.2  基于机器学习的数据挖掘
    9.2.3  基于机器学习的高炉控制参数优化
  9.3  机器学习和遗传算法相结合的高炉参数多目标优化
    9.3.1  遗传算法
    9.3.2  炉缸工作状态多目标优化
    9.3.3  焦比透气性热负荷多目标优化
  参考文献
索引

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目