基于精确匹配数据的焦炭质量预测

沈 坤,刘有势,刘录光,南晨晨

(湖南师范大学信息科学与工程学院，中国 长沙 410081)

在实际炼焦生产过程中，为提高配煤的准确性，配煤专家根据实际炼焦工况及配合煤质量指标预测焦炭质量，并基于预测结果为配煤方案的优化提供数据支撑。焦炭质量预测的理论依据是配合煤的成焦理论，而在实际生产过程中，普遍基于炼焦生产数据，采用焦炭质量预测模型进行计算。

用于焦炭质量预测的基础数据主要包括小焦炉试验数据和实际炼焦生产数据[1-2]，其区别在于试验数据可以提供更精细的煤、焦质量指标信息，但成本高、耗时长，难以在日常炼焦生产过程中使用，因此主要用于焦化及配煤理论研究。实际炼焦生产数据受焦化企业化验室技术水平、化验成本及质量管理的影响仅包含有限的煤、焦质量指标信息，但这些指标可以按班组检测，形成指导生产的质量报表，且满足焦炭质量国家标准的检测要求，能真实地反映炼焦生产过程，可直接用于焦炭质量预测。

用于焦炭质量预测的方法主要包括以回归分析为代表的统计学方法[2-3]和以神经网络为代表的智能方法[4-7]。当前，具有逼近任意非线性函数的神经网络成为了焦炭质量预测的主要技术手段，其中采用BP神经网络[4]、RBF神经网络[5]以及自适应神经模糊系统[6]构建的焦炭质量预测方法得到了广泛的应用。但上述文献主要关注于神经网络的设计以及输入变量的选取，并偏重于从成焦理论上分析配合煤质量指标与焦炭质量指标之间的关系，从炼焦工艺上分析炼焦工况对焦炭质量的影响，而对用于训练神经网络的实际炼焦生产数据及其关系缺乏深入的分析。……