基于深度森林的热轧带钢凸度预测模型

摘要：

在热轧现场轧制规格切换或工况异常的情况下板凸度控制模型偏差较大,为了提高模型精度,提出了一种基于深度森林的热轧带钢凸度预测模型.深度森林模型融合了集成学习和深度学习的思想,采用了多粒度扫描增加数据特征多样性,采用级联森林逐层处理,使得模型具备强大数据拟合能力.将热轧数据经前期预处理导入模型,并对模型参数进行了网格搜索寻优,对比随机森林模型,深度森林模型的效果更优.基于深度森林的热轧带钢凸度预测模型得到了 MSE值为6.537,MAE值为1.587,MAPE值为2.903％和R值为0.985的预测性能.

关键词：热轧带钢、带钢凸度预测、深度森林、机器学习

所属期刊栏目：40

分类号：TP391.4;TH864;TP181

资助基金：国家自然科学基金;国家自然科学基金;国家重点研发计划;辽宁省兴辽英才计划项目

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7页

页码：90-96