摘要：通过系统地总结烧结工艺发展历程，围绕大数据技术在智能烧结过程中的应用研究，从烧结数据预处理、烧结关键参数预测、烧结关键参数评估与优化3个方面对智能化烧结技术进行了总结与分析。在烧结数据预处理方面，针对数据缺失、异常数值、数据量纲不同和特征冗余等问题，应综合考虑数据问题和算法特点，采取适当的插补缺失值、处理异常值、数据标准化和特征提取等方法，以提高数据质量和可信度。在烧结关键参数预测中，需要将大数据技术和烧结工艺理论相结合，采用深度学习和集成学习智能算法，建立烧结参数预测模型，提高模型的准确性和精准性。在烧结参数评估与优化控制方面，基于烧结过程数据信息与烧结工艺机制融合，采用机器学习方法建立烧结过程多目标协同优化模型，实现对烧结过程参数的评估与优化控制。基于新一代大数据技术和人工智能技术的发展，进一步展望了烧结智能系统未来的研究方向和发展前景。 关键词：烧结工艺;大数据技术;数据预处理;机器学习;模型优化 下载高清全文—大数据与智能计算在烧结系统中的应用研究.pdf