近年来钢铁企业产能严重过剩,利润持续走低。如何降本增效成为整个钢铁企业面临的首要难题,而尽量使用低品位铁矿石无疑是降低成本的有效措施,但是使用低品位铁矿石冶炼又会带来各种各样的问题。因此,深入研究高炉配矿极有必要。不同的入炉铁矿石品位,会有不同的渣铁比,进而燃料比和生铁成本也不同。优化高炉配矿既要考虑烧结矿、球团矿和天然块矿等各单种入炉矿的化学成分和冶金性能及其配比,又要满足高炉生产中焦炭性能、热制度、鼓风制度、造渣制度、有害元素入炉量等要求,还要使生铁成本最低。国内外的原料优化、配矿方案的研究主要集中在烧结和球团工序方面,而高炉配矿的研究相对很少。基于大数据理论,针对武钢8号高炉从2009年8月到2015年3月将近5年的详细生产数据,本文对高炉利用系数、综合焦比分别建立人工神经网络模型,然后进行训练和预报,并选取预报效果最佳一组实验的权值,来计算矿石品位变化对焦比的影响系数,将其整合到优化高炉配矿决策支持系统中。根据不同的生铁含硅量、风温、矿石中铁品位、矿石FeO含量等分别计算出焦批、燃料量等变化量,从而提出相应的合理变料方案,由变料方案对热制度、造渣制度进行调节等。