基于改进集成学习算法的钢材质量预测

摘要：

钢材表面质量不合格会降低钢材的强度,甚至发生安全事故.为了对钢材质量进行在线诊断,本文利用采集的钢材实际生产数据建立了钢材质量预测模型,在采用特征提取算法找出影响钢材质量的关键工艺参数的基础上,通过分析工艺参数和钢材质量间潜在的关系,提出了一种适用于钢材质量预测的倾向性异质装袋集成学习算法.该集成学习算法用异质装袋方法生成个体分类器,并采用带有倾向性的结合策略.实验结果表明,改进方案可有效提升集成模型的分类性能以及稳定性,在钢材质量预测问题上具有较高的精度,模型预测准确率的均值为91.4％,方差为5.1％,可应用于实际生产.

关键词：钢材质量预测、特征提取、集成学习

所属期刊栏目：10

分类号：TG142;TP181(金属学与热处理)

资助基金：2018年工业互联网创新发展工程2018282-41

在线出版日期：2021-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：145-149