基于主成分分析协同随机森林算法的热连轧带钢宽度预测

摘要：

为提高热连轧粗轧带钢生产过程中换钢种、换规格及换辊后的首块带钢宽度设定模型精度,本文提出一种基于主成分分析协同随机森林(PCA-RF)算法的宽度预测模型.采用主成分分析法对数据样本合理分析,通过计算特征值、主成分贡献度及累计贡献度进行特征选择.在PCA筛选的变量数据集上训练最佳随机森林宽度预测模型.同时,使用支持向量机回归(SVR)、K-最近邻(KNN)模型进行对比验证.通过实际应用表明,PCA-RF各道次宽度模型R-squared值控制在99.9％ ～1,且96％ 以上样本点预测误差在-5～5 mm,从而证明该模型实现了换钢种、换规格及换辊后的首块钢宽度的高精度预测.

关键词：热连轧粗轧;主成分分析;特征选择;宽度预测;随机森林算法

所属期刊栏目：42

分类号：TG335.5(金属压力加工)

资助基金：国家重点研发计划项目2018YFB1308705,2017YFB0304100

在线出版日期：2021-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1268-1274,1289