高炉冶炼过程作为典型的复杂工业控制过程，其冶炼过程变量多、变量间耦合性强、非线性以及滞后时间长的特点。高炉冶炼控制过程复杂，受诸多影响因素作用，这种控制具有随机性，不是简单的某项参数或某一批参数构成的线性系统或非线性系统的反馈控制，很难利用机理分析来建立传统数学过程模型来优化和控制高炉冶炼过程。高炉冶炼过程的操作决策在较大程度上依靠炉长日常的经验，由于经验不足、炉况复杂以及对高炉冶炼过程缺乏认识，使得高炉冶炼过程炉况波动大、焦炭消耗大，生产成本较高。高炉冶炼生产离不开焦炭，随着我国高炉炼铁生产规模的不断扩大，炼焦煤储量日趋减少，冶金焦炭供应日益紧张。一些出口商和国家垄断了全球铁矿石交易全球铁矿石交易，铁矿石、焦炭等价格持续攀升，钢铁企业的成本压力日趋加大。根据国家“十二五”规划关于大型能耗企业节能降耗的政策要求以及我国面临的严重的环境问题，各大钢铁企业都在努力寻求降低能耗的措施。大多数企业高炉冶炼过程中已经将喷吹煤粉作为代替焦炭和强化冶炼的技术手段。数据挖掘技术近几年得到了许多学者的研究与关注，随着高炉冶炼自动化程度的逐步完善以及信息技术的应用,使得大量的高炉炼铁的生产过程数据存储下来，这些数据中蕴含有冶炼过程的运行规律、人工操作经验，详实的反映了高炉冶炼运行规律与各变量的之间关系以及优化操作模式等对操作决策和优化控制有用的信息，但由于知识获取以及数据分析能力的限制，使得大量生产数据被闲置而未能挖掘出其中隐含的知识，因此，在安全、稳定、顺产的前提下，以低碳炼铁为目标，采用数据挖掘方法寻求喷煤量与焦比之间的关系，通过合理富氧喷煤达到降低焦比的目的，使高炉冶炼在低耗、高效、优质、长寿方面实现新的突破，具有重要的理论意义和巨大的应用价值，本文针对以上综合分析主要进行了如下的研究和探索:1.通过对高炉冶炼过程的主要特点和优化决策问题的基本分析，提出了高炉冶炼过程数据挖掘的基本方法，对高炉冶炼过程数据挖掘的定义、实现目标、实现方法和算法构成进行了描述，并强调了高炉冶炼喷煤规则挖掘的基本实现过程。2.运用原始数据驱动方法基于粗糙集理论的数据挖掘方法对高炉冶炼过程喷煤量进行规则挖掘。运用日常采集数据建立了一个全局的决策系统，然后通过分析将其分解成完全一致和完全不一致两个决策系统。针对完全一致决策系统，采用面对决策属性的规则提取方法，最后得出了高炉冶炼喷煤规则。3.利用大量高炉冶炼历史生产数据，采用基于智能模型(非精确数学模型)的优化方法建立优化模型，包括模糊模型、多支持向量机模型，以此来获得操作参数与优化对象的关系，从而实现高炉冶炼喷煤操作参数的优化。4.研究了高炉冶炼过程喷煤量的操作模式匹配与演化的方法。建立了高炉冶炼喷煤优良操作模式库。采用了基于马氏(Mahalanobis)距离的操作模式相似性度测量方法，加快了喷煤操作模式匹配的速度、提高了准确度。5.利用计算机技术和先进的规则挖掘技术，建立了基于数据驱动的高炉冶炼喷煤操作规则、喷煤优良操作模式库。能够准确判断高炉炉况并进行控制，帮助工长完成高炉炉况的决策和优化。