10.3969/j.issn.2095-2163.2020.12.032
基于改进集成学习算法的钢材质量预测
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.
钢材质量预测、特征提取、集成学习
10
TG142;TP181(金属学与热处理)
2018年工业互联网创新发展工程2018282-41
2021-04-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
145-149