摘要：针对高炉炼铁系统数据存在来源多、数量大、质量低等特点，为提高数据的利用率，对数据进行治理。对高炉数据进行治理主要包括多元异构数据整合、高炉数据清洗和高炉参数相关性分析。首先，多源异构数据整合将原始数据整合成结构统一的数据；然后，针对高炉数据的异常值、缺失值，采用数理统计和机器学习等方法进行处理；最后，针对高炉参数众多的特点，分析参数之间的关联性，降低模型输入参数间的信息冗余。通过对数据进行上述处理，使得高炉大数据能高效高质的应用，进而实现深度优化操炉、深度降本增效。 关键词：高炉；数据治理；多源异构数据；异常值；缺失值；相关性分析 下载高清全文——基于大数据技术的高炉数据治理研究进展.pdf