基于多元逐步回归的带钢性能预测模型

为了挖掘冶金产品关键工艺参数与成品性能间的关系、实现特定牌号性能自动预测,构建了带钢性能预测模型。模型基于多元线性回归的机器学习方法和数据挖掘方法,构建了牌号性能影响因素知识库,通过大量真实生产环境数据,分析其相关性和性能影响因素。实验过程基于2020个预测样本的数据集,其中选择1616个样本作为训练集,404个样本作为测试集,每个样本包括24种属性,对成品性能Y1和Y2进行了单独训练和预测,均方差结果仅为0.0182和2.9371×10^(-5)。实验表明,该性能预测模型预测准确率高,有效命中率达到90%以上,具有良好的应用前景。