第10期 赵晨熙等：COREX冷煤气成分预测的二步建模方法 ·1189· 料单所对应的生产数据建立模型进行预测的预测相 (李海峰，王臣，邹宗树，等.COREX喷煤模型及应用分析. 对误差小39.96%和1.88%，预测均方根误差小 过程工程学报，2009,9（增刊1）：349) B]Liu X G,Zeng J S,Zhao M.Mathematical model and its hybrid 3.138和0.2. dynamic mechanism in intelligent control of ironmaking.ron 一倾测样本真实值 Steel Res Int,2007,14(1)7 16 一+·类别B预测值 4]Xu W R,Guo Y L.Wang C.Analysis of the factors affecting the --类别C预测值 14 未聚类预测值 fuel rate in the COREX process and improvement measures.Baost- eel Tech Res,2011,5(1):45 [5]Prachethan K P,Garg L M,Gupta S S.Modelling of Corex process for optimisation of operational parameters.fronmaking Steelmaking,2006,33(1):29 [6]Barman S C,Mrunmaya K P,Ranjan M.Mathematical model de- velopment of raceway parameters and their effects on Corex process.J Iron Steel Res Int,2011,18(5):20 10 15202530354045 7]Prachethan K P,Dasu A V R P,Ranjan M,et al.Influence of 样本综号 operational parameters on silicon in hot metal from Corex.fron- 图6不同方法预测得到的冷煤气C02含量结果比较 making Steelmaking.2008,35 (2)108 Fig.6 Comparison between the predicted results of cold gas CO []Jia GL Process Calculation and Study on Pulverized Coal produc- content by using different prediction methods tion in COREX Melter Gasifier [Dissertation ]Chongqing: Chongqing University,2007 (贾国利.COREX熔脸气化炉工艺计算及煤粉在炉内燃烧行 3结论 为研究[学位论文].重庆：重庆大学，2007) 本文提出了基于熵权模糊C均值聚类和偏最 9] Fang J,Wang X J,Shi Y,et al.Non Blast Furnace lronmaking 小二乘的COREX冷煤气成分含量预测方法，以宝 Process and Theory.2nd Ed.Beijing:Metallurgical Industry Press,2010 钢COREX-1"炉的实际生产数据为实例，对冷煤气 (方觉，王杏娟，石炎，等.非高炉炼铁工艺与理论.2版.北 C0,含量建立了预测模型.现场数据的实验结果表 京：治金工业出版社，2010) 明：基于熵权模糊C均值聚类和偏最小二乘回归方 [10]Shannon C E.A mathematical theory of communication.Bell Syst 法建立的COREX冷煤气CO,含量预测模型可以较 TehJ,1948,27:379 好地预测出实际的C02含量，为冷煤气成分含量的 1]Berdek JC.Pattern Recognition with Fuy Objectire Function Al- gorithms.Norwell:Kluwer Academic Publishers,1981 控制提供了有效的分析手段. [12]Kaufman L.Rousseeuw P J.Finding Groups in Data:an Intro- duction to Cluster Analysis.Wiley Online Library,1990 参考文献 [13]Wang H W,Wu Z B,Meng J.Partial least-squares regression linear and nonlinear methods.Beijing:National Defence Industry [Wu K,Zhang E H.Wan P,et al.Consideration of the theoretical Pres5,2006 combustion temperature formula before tuyere in melting gasifier at (王惠文，吴载斌，孟洁.偏最小二乘回归的线性与非线性 COREX process.J China Coal Soc,2010,35(10):1730 方法.北京：国防工业出版社，2006) (吴铿，张二华，万鹏，等.关于COREX流程熔融气化炉风口 41 Zhang JC,Wu C.Non-inear prediction model for coke thermal 前理论燃烧温度的思考.煤炭学报，2010,35(10)：1730) properties based on partial least squares regression.J Cent South Li H F,Wang C,Zou Z S,et al.Coal injection model for Unir Sci Technol,2011,42(5):1406 COREX and its application analysis.Process Eng,2009,9 (张进春，吴超.基于偏最小二乘回归的焦炭热性质非线性 (Suppl 1):349 预测模型.中南大学学报：自然科学版，2011,42(5)：1406)第 10 期 赵晨熙等: COREX 冷煤气成分预测的二步建模方法 料单所对应的生产数据建立模型进行预测的预测相 对误 差 小 39. 96% 和 1. 88% ，预 测 均 方 根 误 差 小 3. 138 和 0. 2． 图 6 不同方法预测得到的冷煤气 CO2含量结果比较 Fig． 6 Comparison between the predicted results of cold gas CO2 content by using different prediction methods 3 结论 本文提出了基于熵权模糊 C 均值聚类和偏最 小二乘的 COREX 冷煤气成分含量预测方法，以宝 钢 COREX--1# 炉的实际生产数据为实例，对冷煤气 CO2含量建立了预测模型． 现场数据的实验结果表 明: 基于熵权模糊 C 均值聚类和偏最小二乘回归方 法建立的 COREX 冷煤气 CO2含量预测模型可以较 好地预测出实际的 CO2含量，为冷煤气成分含量的 控制提供了有效的分析手段． 参 考 文 献 ［1］ Wu K，Zhang E H，Wan P，et al． Consideration of the theoretical combustion temperature formula before tuyere in melting gasifier at COREX process． J China Coal Soc，2010，35( 10) : 1730 ( 吴铿，张二华，万鹏，等． 关于 COREX 流程熔融气化炉风口 前理论燃烧温度的思考． 煤炭学报，2010，35( 10) : 1730) ［2］ Li H F，Wang C，Zou Z S，et al． Coal injection model for COREX and its application analysis． J Process Eng，2009，9 ( Suppl 1) : 349 ( 李海峰，王臣，邹宗树，等． COREX 喷煤模型及应用分析． 过程工程学报，2009，9( 增刊 1) : 349) ［3］ Liu X G，Zeng J S，Zhao M． Mathematical model and its hybrid dynamic mechanism in intelligent control of ironmaking． J Iron Steel Res Int，2007，14( 1) : 7 ［4］ Xu W R，Guo Y L，Wang C． Analysis of the factors affecting the fuel rate in the COREX process and improvement measures． Baost￾eel Tech Res，2011，5( 1) : 45 ［5］ Prachethan K P，Garg L M，Gupta S S． Modelling of Corex process for optimisation of operational parameters． Ironmaking Steelmaking，2006，33( 1) : 29 ［6］ Barman S C，Mrunmaya K P，Ranjan M． Mathematical model de￾velopment of raceway parameters and their effects on Corex process． J Iron Steel Res Int，2011，18( 5) : 20 ［7］ Prachethan K P，Dasu A V R P，Ranjan M，et al． Influence of operational parameters on silicon in hot metal from Corex． Iron￾making Steelmaking，2008，35( 2) : 108 ［8］ Jia G L． Process Calculation and Study on Pulverized Coal produc￾tion in COREX Melter Gasifier ［Dissertation］． Chongqing: Chongqing University，2007 ( 贾国利． COREX 熔融气化炉工艺计算及煤粉在炉内燃烧行 为研究［学位论文］． 重庆: 重庆大学，2007) ［9］ Fang J，Wang X J，Shi Y，et al． Non Blast Furnace Ironmaking Process and Theory． 2nd Ed． Beijing: Metallurgical Industry Press，2010 ( 方觉，王杏娟，石炎，等． 非高炉炼铁工艺与理论． 2 版． 北 京: 冶金工业出版社，2010) ［10］ Shannon C E． A mathematical theory of communication． Bell Syst Tech J，1948，27: 379 ［11］ Bezdek J C． Pattern Recognition with Fuzzy Objective Function Al￾gorithms． Norwell: Kluwer Academic Publishers，1981 ［12］ Kaufman L，Rousseeuw P J． Finding Groups in Data: an Intro￾duction to Cluster Analysis． Wiley Online Library，1990 ［13］ Wang H W，Wu Z B，Meng J． Partial least-squares regression: linear and nonlinear methods． Beijing: National Defence Industry Press，2006 ( 王惠文，吴载斌，孟洁． 偏最小二乘回归的线性与非线性 方法． 北京: 国防工业出版社，2006) ［14］ Zhang J C，Wu C． Non-linear prediction model for coke thermal properties based on partial least squares regression． J Cent South Univ Sci Technol，2011，42( 5) : 1406 ( 张进春，吴超． 基于偏最小二乘回归的焦炭热性质非线性 预测模型． 中南大学学报: 自然科学版，2011，42( 5) : 1406) ·1189·