中國耐磨板工業(yè)面臨著(zhù)諸多挑戰，市場(chǎng)需求逐步向著(zhù)個(gè)性化、多品種、小批量、環(huán)保綠色、節能等方向發(fā)展，鋼鐵工業(yè)勢必要通過(guò)更高的制造效率、更強的柔性、更低的生命周期成本來(lái)迎合市場(chǎng)的變化。工業(yè)大數據的合理利用恰恰能滿(mǎn)足企業(yè)的這種需求。如今，基于大數據的建模技術(shù)廣泛興起，但是研究重點(diǎn)都放在模型的構建方法上，對于原始數據常常不加處理直接利用，或者經(jīng)過(guò)簡(jiǎn)單的標準化處理后直接用于建模。

　　科研工作者針對耐磨板工業(yè)智能制造中大數據的建模問(wèn)題分析了大數據的使用方法，將模型分為著(zhù)重于預測精度的模型和著(zhù)重于預測規律的模型?？梢愿鶕煌男枨筮x擇不同的數據建立對應的模型。在智能制造建模過(guò)程中，需要將冗余和誤差較大的數據剔除，保證訓練數據和預測數據的均勻分布，才能建立出包含正確規律的模型。通過(guò)填補空缺值、鋼卷歸并、相似工藝歸并和建模數據均勻化處理等處理方法對數據進(jìn)行處理，利用正則化貝葉斯網(wǎng)絡(luò )建立了耐磨板力學(xué)性能預測模型，并以屈服強度為例分析了工藝參數對屈服強度的影響。

　　結果表明，通過(guò)選擇合適的耐磨板數據樣本和數據處理方法，可以建立規律性良好且預測精度較高的模型。經(jīng)統計，屈服強度和抗拉強度的預測數據中分別有96.64%和99.16%的數據預測值和實(shí)測值絕對誤差在±30MPa之內，伸長(cháng)率的預測數據中有85.71%的數據預測值和實(shí)測值絕對誤差在±4%內。