| 基于数据驱动的转炉耗氧量模型研究 |
| |
| 引用本文： | 杨仕存,魏志强,钟良才,于学渊,李强,陈海娇,高威.基于数据驱动的转炉耗氧量模型研究[J].炼钢,2022(4):7-13. |
| |
| 作者姓名： | 杨仕存 魏志强 钟良才 于学渊 李强 陈海娇 高威 |
| |
| 作者单位： | 1. 东北大学低碳钢铁前沿技术研究院;2. 东北大学冶金学院;3. 建龙集团抚顺新钢铁炼钢厂 |
| |
| 基金项目： | 中央高校基本科研业务费资助项目(N2125018)；;国家自然科学基金项目(51574069)；;科技部国家重点研发计划资助项目(2017YFB0304100)； |
| |
| 摘 要： | 基于45 t转炉炼钢实际生产数据，通过数据预处理和互信息(MI)法进行特征选择，采用贝叶斯算法(BOA)优化BP神经网络模型、支持向量回归机(SVR)模型和LGBM模型的参数，预测转炉吹炼的耗氧量。用1 176炉的实际生产数据对模型进行训练，504炉的数据用于验证模型的预测效果。结果表明，在预测的氧气体积偏差分别为±50、±40、±30 m3的范围下，LGBM模型的预测命中率分别为94.04%、85.91%、76.58%。与SVR模型和BP神经网络模型相比较，LGBM模型有着更高的预测精度和稳定性以及更强的泛化能力。
|
| 关 键 词： | 转炉炼钢 耗氧量 数据驱动模型 命中率 |
|
|
