基于分位数回归森林的铁水预处理喷镁脱硫耗镁量预测

摘要：

铁水预处理喷镁脱硫的耗镁量精确计算有助于控制脱硫剂金属镁的合理添加,降低脱硫成本.基于铁水预处理喷镁脱硫过程的大量工业数据,融合集成学习和分位数回归思想,采用分位数回归森林(quantile re-gression forest,QRF)建立了耗镁量预测模型,并结合贝叶斯优化手段对模型的超参数组合进行了两阶段优化,实现耗镁量的精确计算,并给出了预测误差估计.结果表明,大多数炉次的所需镁量与工业数据的结果吻合较好,耗镁量在±8 kg的范围内命中率为92.26％.相比于传统人工神经网络、极限学习机(extreme learning machine,ELM)和支持向量机(support vector machine,SVM)等机器学习算法,采用集成学习思想的耗镁量模型具备更好的鲁棒性,在整个测试数据上预测平均绝对百分比误差(average absolute percentage error,AAPE)降低约25％,均方根误差(root mean square error,RMSE)降低约15％.

关键词：铁水预处理、喷镁脱硫、分位数回归森林、耗镁量、机器学习、集成学习

所属期刊栏目：47

分类号：TP391;TP181;S

资助基金：国家自然科学基金;东北大学博士后基金项目;轧制技术及连轧自动化国家重点实验室自主课题

在线出版日期：2023-03-24（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：139-146