摘要: 基于260 t转炉炼钢实际生产数据,用RF(Random Forests, 随机森林)、LGBM(Light Gradient Boosting Machine,轻量级梯度提升机)和Stacking集成三种不同机器学习算法建立了转炉炼钢终点磷锰预测模型。通过相关理论分析和皮尔逊相关系数法确定了模型输入变量,对比三种集成学习模型的终点命中率,表明Stacking集成模型的预测性能最好,在预测终点磷质量分数误差为±0.001 %、±0.001 5 %时的终点命中率分别为86.3 %、97.1 %,在预测终点锰质量分数误差为±0.008 %、±0.01 %时的命中率分别为83.4 %、94.4 %。