摘要：提出了融合大数据技术和工艺知识的烧结终点预报系统。首先，采集、清洗、整合了实际烧结生产的海量历史数据，建立了烧结全流程大数据仓库。在此基础上，分析了烧结终点位置与烧结矿质量指标间的关系。然后，采用数据挖掘和工艺知识相结合的方法筛选出与烧结终点位置相关的重要特征变量，选用梯度提升树算法(GBDT算法)建立了烧结终点位置预报模型，并应用网格搜索和交叉验证方法对算法涉及参数进行了优化，而且在预报模型的外层建立了相应的专家规则。预报系统整体预测命中率达到88%以上，与以往的预报模型相比，预报系统的预报精度和泛化能力显著提升，对指导烧结实际生产有重要的作用。 关键词：烧结终点预报；特征选择；GBDT算法；专家规则 下载高清全文—基于集成学习和工艺经验的烧结终点预报模型.pdf