《表1 筛选后的特征变量：基于烧结大数据预测小于10mm烧结矿含量模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于烧结大数据预测小于10mm烧结矿含量模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

根据67个输入变量对烧结矿粒度小于10mm的贡献度进行排序，由图3可知：对烧结矿小于10mm粒度含量影响最大的是1号风箱废气温度，而影响最弱的是料层厚度。文献[10-11]中认为，料层厚度是一个对烧结矿粒度影响非常重要的参数，但XGBoost算法计算所得结果恰好相反。将料层厚度的数据从数据库调取出来发现，所有的料层厚度数据都为700mm，说明料层数据很可能有问题，导致在模型中被视为常量。模型经过反复迭代调试，最终选取以下参数作为模型的输入变量。其原理是根据输入参数对目标值的重要性得出相应的分数，分数越大，说明输入参数对目标值的影响越大，反之则越小，见表1。