基于PCA-RF的热轧带钢板凸度预测
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

基于PCA-RF的热轧带钢板凸度预测

引用
为了满足日益增长的带钢板凸度预测精度和速度要求,建立了一种基于降维的主成分分析(Principal Component Analysis,PCA)协同随机森林(Random Forest,RF)的板凸度预测模型.首先,应用Pauta准则去除异常值,用五点三次平滑公式进行降噪处理;其次采用主成分分析法对数据进行降维,利用载荷矩阵选取关键控制变量;最后利用关键控制变量建立基于随机森林的板凸度预测模型,并与支持向量机回归(Support Vector Regression,SVR)、最近邻(K Nearest Neighbor,KNN)、轻量梯度提升机(light Gradient Boosting Machine,LightGBM)、极端梯度增强(Extreme Gradient Boosting,XGBoost)和梯度提升决策树(Gradient Boosting Decision Tree,GBDT)模型进行比较.结果表明,PCA-RF模型将参数由93维降低到15维,极大地减少了建模时间,且PCA-RF对测试集预测的决定系数(Coefficient of Determination,R2)、平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Squared Error,RMSE)分别为0.9820、1.485 2 μm和2.260 3 μm,均优于其他预测模型,且98%以上样本点的预测误差为-3~3 μm,满足板凸度预测的精度要求.从而证明该模型能够通过降维减少建模时间,同时实现了带钢板RF凸度的高精度预测,为热轧带钢板凸度的研究提供了一定的参考.

热轧带钢、板凸度预测、主成分分析、随机森林

TG335.11(金属压力加工)

2023-10-19(万方平台首次上网日期,不代表论文的发表时间)

共5页

42-46

相关文献
评论
暂无封面信息
查看本期封面目录

机械工程师

1002-2333

23-1196/TH

2023,(10)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn