炼钢 ›› 2023, Vol. 39 ›› Issue (1): 47-52.

• 转炉及电炉冶炼 • 上一篇    下一篇

基于集成学习的转炉炼钢供氧量预测模型

柯  凯1,2,彭其春1,2,彭霞林3,向  往3   

  1. (1. 武汉科技大学 省部共建耐火材料与冶金国家重点实验室, 湖北 武汉 430081;
    2.武汉科技大学 钢铁冶金及资源利用省部共建教育部重点实验室,湖北 武汉 430081;
    3.湖南华菱涟源钢铁有限公司,湖南 娄底 417009)
  • 出版日期:2023-02-05 发布日期:2023-01-30

Prediction model of oxygen supply in converter steelmaking based on ensemble learning

  • Online:2023-02-05 Published:2023-01-30

摘要: 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、±300m3精度下的命中率分别为84.04%、95.11%,均方根误差(RMSE)为147.31。

关键词: 转炉炼钢, 供氧量预测, 集成学习, 随机森林, XGBoost, stacking集成