一种基于机器学习的高炉风口回旋区深度软测量方法

本发明提出一种基于机器学习的高炉风口回旋区深度软测量方法，该方法包括，利用流体相控制方程和颗粒运动控制方程构建高炉风口回旋区的三维仿真模型，利用三维仿真模型采集模拟结果中高炉风口回旋区具有代表性的温度云图；基于三维仿真模型模拟结果中得到的具有代表性的温度云图数据进行特征中心化，将得到的特征中心化后的数据代入协方差矩阵，利用特征值分解公式对协方差矩阵进行特征值分解，得到特征值和特征向量，根据特征值和特征向量对高维温度云图进行降维；基于降维得到的特征数据，利用AdaBoost算法以多次迭代训练的方式构建强回归模型；利用基于特征数据和AdaBoost算法构建的强回归模型进行回归预测高炉风口回旋区的深度。本发明利用AdaBoost算法构建强回归模型，减少了计算的工作量。