第4期 曹卫华等：基于主客观证据融合的高炉悬料预测方法 ·513· 因此该方法的悬料预测准确率居中，为84.21%，如 提高了证据对炉况的支持度，降低了不确定性，保证 表3所示；而正常炉况样本数据幅值相对于常规治 了悬料预测的可靠性和可信度，有利于把握炉况的 炼状态的正常炉况样本数据普遍偏大，因此该方法 发展趋势. 的正常炉况预测准确率偏小，为81.08%，如表3所 表6主客观证据可信度 示.弱化治炼状态下，其悬料样本数据幅值相对于 Table 6 Credibility of subjective and objective evidences 常规治炼状态的悬料样本数据，除料速均值与预报 证据类型 悬料(A) 正常炉况(B) 规则和隶属度函数符合程度较高外，其他参数普遍 P,(A)=0.51 P1(B)=0.44 偏小，因此该方法的悬料预测准确率偏小，为 主观证据 P2(M)=0.56 P2(B)=0.42 81.25%,如表5所示：而正常炉况样本数据幅值相 P3(A)=0.66 P3(B)=0.39 对于常规冶炼状态的正常炉况样本，除料速均值偏 客观证据 P4(A)=0.77 P4(B)=0.23 小外，其他参数与预报规则和隶属度函数符合程度 较高，因此该方法的正常炉况预测准确率居中，为 表7证据融合结果 83.87%,如表5所示. Table 7 Fusion results of evidences 单一后验概率LSSVM模型预测方法中，炉况预 证据融合类型 悬料(A) 正常炉况(B) 测准确率与样本数据息息相关，不同治炼状态下样 主观证据融合 m,(A)=0.724 m,(B)=0.276 本数据数目从高到低依次为常规、强化和弱化治炼 主客观证据融合 m(A)=0.898 m(B)=0.102 状态.该方法相应的悬料预测准确率从高到低按治 炼状态依次为强化、常规和弱化冶炼状态，分别为 6 结论 89.47%、88.00%和87.50%，如表3~表5所示：该 (1)针对高炉关键异常炉况悬料难以预测的问 方法相应的正常炉况预测准确率从高到低依次按治 题，本文提出一种基于主客观证据融合的高炉悬料 炼状态为弱化、常规和强化治炼状态，分别为 87.10%、86.54%和86.49%，如表3~表5所示.总 预测方法.该方法基于D-S证据理论，恰当且有效 体上该方法在不同治炼状态下的预测准确率相差不 地综合利用了专家知识和LSSVM的自学习能力，为 高炉悬料预测提供一种新的思路 大，具有较强的自学习能力和适应性，并和样本数目 具有一致性.此外，由于炉况样本在不同治炼状态 (2)将本文所提预测方法与单一基于D-S证 下分布广泛，该方法的炉况预测准确率在整体及不 据理论的主观证据融合方法及单一后验概率LSSVM 同治炼状态中，普遍高于单一基于D-S证据理论的 模型进行仿真对比研究，仿真结果表明本文所提预 主观证据融合炉况预测方法. 测方法在悬料预测准确率和不确定性两方面的综合 本文所提基于主客观证据融合的高炉悬料预测 表现均优于两种单一预测方法. 方法，整体上对悬料和正常炉况的预报准确率分别 (3)对本文所提预测方法在不同治炼状态下的 为93.33%和92.50%，均高于两种单一预测方法， 悬料预测效果进行对比分析，结果表明本文所提预 测方法在不同治炼状态均具有较好的预测精度 如表1所示.同时，如表3表5所示，在不同冶炼 状态下，炉况样本数据存在显著差异的情况下，本文 参考文献 所提预测方法基于主、客观证据对炉况的支持度，综 [1]Wu S L,Tuo B Y,Zhang L.H,et al.Influence of coke reactivity 合了专家经验和LSSVM的自学习能力，均能够有效 on the ferric burden reduction of the lumpy zone in a blast furnace 预测炉况的发展趋势，并提高了悬料预测精度 J Univ Sci Technol Beijing,2013,35(3):282 针对某次常规治炼状态下悬料采集的样本数 (吴胜利，庹必阳，张丽华，等.焦炭反应性对高炉块状带含 据，本文所提预测方法提取的主、客观证据可信度如 铁炉料还原的影响.北京科技大学学报，2013,35(3)：282) 2] Liu D X,Li X L,Zhou X,et al.Application of the fuzzy C-means 表6所示，基于DS证据理论的主观和主客观证据 clustering algorithm in blast furnace burden surface identification. 融合结果如表7所示. J Univ Sci Technal Beijing,2012,34(6):683 根据表7和式(18)可知，该次炉况预测结论为 (刘德馨，李晓理，周翔，等.模糊C均值聚类算法在高炉料 悬料，符合实际情况.从图2~图9，以及表6和表7 面分类中的应用.北京科技大学学报，2012,34(6)：683) B] 中可以看出，本文所提预测方法的单次炉况预报概 Yi S,Xu Y M,MaZ W.An expert system for abnormal status di- agnosis on blast furnace.Metall Ind Autom,2002,26(1):15 率，相比两种单一预测方法更接近于实际发生概率。 (易粟，徐用懋，马竹捂.高炉异常炉况诊断专家系统.治金 同时，通过基于D-S证据理论的主客观证据融合， 自动化，2002,26(1)：15)第 4 期 曹卫华等: 基于主客观证据融合的高炉悬料预测方法 因此该方法的悬料预测准确率居中，为 84. 21% ，如 表 3 所示; 而正常炉况样本数据幅值相对于常规冶 炼状态的正常炉况样本数据普遍偏大，因此该方法 的正常炉况预测准确率偏小，为 81. 08% ，如表 3 所 示． 弱化冶炼状态下，其悬料样本数据幅值相对于 常规冶炼状态的悬料样本数据，除料速均值与预报 规则和隶属度函数符合程度较高外，其他参数普遍 偏小，因此该方法的悬料预测准确率偏小，为 81. 25% ，如表 5 所示; 而正常炉况样本数据幅值相 对于常规冶炼状态的正常炉况样本，除料速均值偏 小外，其他参数与预报规则和隶属度函数符合程度 较高，因此该方法的正常炉况预测准确率居中，为 83. 87% ，如表 5 所示． 单一后验概率 LSSVM 模型预测方法中，炉况预 测准确率与样本数据息息相关，不同冶炼状态下样 本数据数目从高到低依次为常规、强化和弱化冶炼 状态． 该方法相应的悬料预测准确率从高到低按冶 炼状态依次为强化、常规和弱化冶炼状态，分别为 89. 47% 、88. 00% 和 87. 50% ，如表 3 ～ 表 5 所示; 该 方法相应的正常炉况预测准确率从高到低依次按冶 炼状 态 为 弱 化、常规和强化冶炼状态，分 别 为 87. 10% 、86. 54% 和 86. 49% ，如表 3 ～ 表 5 所示． 总 体上该方法在不同冶炼状态下的预测准确率相差不 大，具有较强的自学习能力和适应性，并和样本数目 具有一致性． 此外，由于炉况样本在不同冶炼状态 下分布广泛，该方法的炉况预测准确率在整体及不 同冶炼状态中，普遍高于单一基于 D--S 证据理论的 主观证据融合炉况预测方法． 本文所提基于主客观证据融合的高炉悬料预测 方法，整体上对悬料和正常炉况的预报准确率分别 为 93. 33% 和 92. 50% ，均高于两种单一预测方法， 如表 1 所示． 同时，如表 3 ～ 表 5 所示，在不同冶炼 状态下，炉况样本数据存在显著差异的情况下，本文 所提预测方法基于主、客观证据对炉况的支持度，综 合了专家经验和 LSSVM 的自学习能力，均能够有效 预测炉况的发展趋势，并提高了悬料预测精度． 针对某次常规冶炼状态下悬料采集的样本数 据，本文所提预测方法提取的主、客观证据可信度如 表 6 所示，基于 D--S 证据理论的主观和主客观证据 融合结果如表 7 所示． 根据表 7 和式( 18) 可知，该次炉况预测结论为 悬料，符合实际情况． 从图 2 ～ 图 9，以及表 6 和表 7 中可以看出，本文所提预测方法的单次炉况预报概 率，相比两种单一预测方法更接近于实际发生概率． 同时，通过基于 D--S 证据理论的主客观证据融合， 提高了证据对炉况的支持度，降低了不确定性，保证 了悬料预测的可靠性和可信度，有利于把握炉况的 发展趋势． 表 6 主客观证据可信度 Table 6 Credibility of subjective and objective evidences 证据类型 悬料( A) 正常炉况( B) P1 ( A) = 0. 51 P1 ( B) = 0. 44 主观证据 P2 ( A) = 0. 56 P2 ( B) = 0. 42 P3 ( A) = 0. 66 P3 ( B) = 0. 39 客观证据 P4 ( A) = 0. 77 P4 ( B) = 0. 23 表 7 证据融合结果 Table 7 Fusion results of evidences 证据融合类型 悬料( A) 正常炉况( B) 主观证据融合 ms ( A) = 0. 724 ms ( B) = 0. 276 主客观证据融合 m( A) = 0. 898 m( B) = 0. 102 6 结论 ( 1) 针对高炉关键异常炉况悬料难以预测的问 题，本文提出一种基于主客观证据融合的高炉悬料 预测方法． 该方法基于 D--S 证据理论，恰当且有效 地综合利用了专家知识和 LSSVM 的自学习能力，为 高炉悬料预测提供一种新的思路． ( 2) 将本文所提预测方法与单一基于 D--S 证 据理论的主观证据融合方法及单一后验概率LSSVM 模型进行仿真对比研究，仿真结果表明本文所提预 测方法在悬料预测准确率和不确定性两方面的综合 表现均优于两种单一预测方法． ( 3) 对本文所提预测方法在不同冶炼状态下的 悬料预测效果进行对比分析，结果表明本文所提预 测方法在不同冶炼状态均具有较好的预测精度． 参 考 文 献 ［1］ Wu S L，Tuo B Y，Zhang L H，et al． Influence of coke reactivity on the ferric burden reduction of the lumpy zone in a blast furnace． J Univ Sci Technol Beijing，2013，35( 3) : 282 ( 吴胜利，庹必阳，张丽华，等． 焦炭反应性对高炉块状带含 铁炉料还原的影响． 北京科技大学学报，2013，35( 3) : 282) ［2］ Liu D X，Li X L，Zhou X，et al． Application of the fuzzy C-means clustering algorithm in blast furnace burden surface identification． J Univ Sci Technol Beijing，2012，34( 6) : 683 ( 刘德馨，李晓理，周翔，等． 模糊 C 均值聚类算法在高炉料 面分类中的应用． 北京科技大学学报，2012，34( 6) : 683) ［3］ Yi S，Xu Y M，Ma Z W． An expert system for abnormal status di￾agnosis on blast furnace． Metall Ind Autom，2002，26( 1) : 15 ( 易粟，徐用懋，马竹捂． 高炉异常炉况诊断专家系统． 冶金 自动化，2002，26( 1) : 15) ·513·