炉缸活性就像高炉生产的“心脏”,如果炉缸活性出现问题,不仅会使得高炉寿命缩短,还会破坏高炉的稳定运行,这将给企业带来巨大的经济损失。目前,炉缸活性的量化计算仅仅从经验公式的角度进行,经验公式的参数获取困难且无法实现炉缸活性的预警功能。针对这一问题,本研究提出使用高炉实际运行中的操作参数数据,采用数据挖掘方法来预测高炉炉缸活性。具体包括:(1)数据处理及模型评价标准。首先简要介绍数据获取的方式及途径,接着对获取到的数据进行简单分析。其次对数据进行填充及去噪处理等数据清洗操作,然后计算目标值,进而对处理好的数据集进行数据标准化,再对数据集进行划分。最后,给出本文中模型的评价标准。(2)基于改进多元线性回归模型的炉缸活性预测。对于处理好的数据,首先使用相关性分析得到操作参数与目标值之间的相关性程度,进而选取相关性强的操作参数作为初步特征。接着考察初步特征间物理公式上的联系,以达到剔除冗余特征的目的。最后将赤化信息准则引入作为多元线性回归模型的损失函数来建立多元线性回归模型以预测炉缸活性。(3)基于主成分分析的支持向量机回归模型的炉缸活性预测。多元线性回归模型仅仅反映了操作参数与目标值间的线性关系。为了探究操作参数与目标值的非线性关系,使用主成分分析算法在尽可能保证原数据信息损失较小的情况将原始数据转换成独立的分量。进而使用分量作为支持向量机回归模型的输入建立基于不同核函数的支持向量机回归模型来预测炉缸活性。通过以上方法比较分析,对于炉缸活性的预测,利用改进的多元线性回归模型与支持向量机回归模型都得到了良好的预测效果。改进的多元线性回归模型与最优支持向量机回归模型在测试集上的平均相对误差分别为0.69%和0.44%,在训练集上的平均相对误差为0.57%和0.42%且两模型均具有炉缸活性预警功能。而相比于多元线性回归模型,基于主成分分析的最优支持向量机回归模型在测试集上的平均相对误差下降了36.23%且具有更强的炉缸活性预警能力,从一定程度上较好反映了原始数据与目标值之间的非线性关系。相对于现有的相似工作,本文提出的炉缸活性量化模型具有不依赖于经验、模型参数容易获取且还能实现炉缸活性预警功能的优点。