基于集成学习的转炉吹炼终点磷锰预测模型 |
| |
引用本文: | 黄一鑫,赵自鑫,钟良才,于海岐,刘承军.基于集成学习的转炉吹炼终点磷锰预测模型[J].炼钢,2023(6):15-22. |
| |
作者姓名: | 黄一鑫 赵自鑫 钟良才 于海岐 刘承军 |
| |
作者单位: | 1. 东北大学冶金学院;2. 鞍钢股份有限公司鲅鱼圈钢铁分公司 |
| |
基金项目: | 国家自然科学基金资助项目(U21A20117,51574069);;中央高校基本科研业务专项资金资助项目(N2125018);;科技部国家重点研发计划资助项目(2017YFB0304100); |
| |
摘 要: | 基于260 t转炉炼钢实际生产数据,用RF(Random Forests,随机森林)、LGBM(Light Gradient Boosting Machine,轻量级梯度提升机)和Stacking集成三种不同机器学习算法建立了转炉炼钢终点磷锰预测模型。通过相关理论分析和皮尔逊相关系数法确定了模型输入变量,对比三种集成学习模型的终点命中率,表明Stacking集成模型的预测性能最好,在预测终点磷质量分数误差为±0.001%、±0.001 5%时的终点命中率分别为86.3%、97.1%,在预测终点锰质量分数误差为±0.008%、±0.01%时的命中率分别为83.4%、94.4%。
|
关 键 词: | 转炉吹炼 终点磷预测 终点锰预测 机器学习 集成算法 数据驱动模型 |
|
|