基于集成学习的转炉炼钢供氧量预测模型
针对大多数中小型转炉无法使用动态模型的现状,基于3种不同集成方式的集成学习算法(随机森林、XGBoost和stacking集成)建立了转炉炼钢供氧量预测模型.通过理论基础和相关性分析确定了模型的输入变量;利用五数概括法与孤立森林算法进行数据预处理;结合5折交叉验证和网格搜索方法确定模型的最佳参数.最后通过对比3种集成学习算法的预测结果,表明stacking集成模型的预测性能最好,供氧量在±200、±300 m3精度下的命中率分别为84.04%、95.11%,均方根误差(RMSE)为147.31.
转炉炼钢、供氧量预测、集成学习、随机森林、XGBoost、stacking集成
39
TF703(炼钢)
2023-02-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
47-52