基于区间约束极限梯度提升的转炉炼钢耗氧量预测

氧气是转炉炼钢生产过程中的一种重要的气体能源。转炉炼钢耗氧量的精准预测既有利于提高炼钢过程的稳定控制，也是炼钢厂生产有序运行的有力保障。根据转炉炼钢过程的机理特征，建立了基于区间约束的极限梯度提升(interval constraint-based extreme gradient boosting, IC-XGBoost)数据模型，以提升炼钢耗氧量预测的精度和准度。利用转炉炼钢过程实际数据及其噪声扰动，对改进XGBoost模型进行对比测试。与神经网络、支持向量机(support vector machine, SVM)和XGBoost等传统数据模型相比，所建立的模型能够通过高效计算获得更好的预测精度和准度，且具有较好的抗干扰能力。