炼钢 ›› 2024, Vol. 40 ›› Issue (4): 30-39.

• 炉外精炼 • 上一篇    下一篇

基于Stacking模型融合的AOD终点碳温预测

刘东旭1,李明明1,2,邵  磊1,2,邹宗树1,2   

  1. 1.东北大学 冶金学院,辽宁 沈阳 110819;
    2.东北大学 多金属共生矿生态化冶金教育部重点实验室,辽宁 沈阳110819
  • 出版日期:2024-08-05 发布日期:2024-08-06

Prediction of end-point carbon content and temperature in AOD based on Stacking model fusion

  • Online:2024-08-05 Published:2024-08-06

摘要: 为提高AOD不锈钢冶炼终点碳温预测的准确性和可靠性,提出一种基于多个机器学习算法(RF、XGBoost、AdaBoost、KNN、SVR和岭回归)嵌入的Stacking模型融合的AOD终点碳温预测方法。基于理论基础和相关性分析确定了模型的输入特征变量,利用箱线图法对历史数据进行预处理,结合5折交叉验证和贝叶斯优化算法确定了模型的最优参数,通过对上述6种机器学习算法的逐层筛选,构建了RF+XGBoost+KNN—RF二层Stacking多模型融合的终点碳含量预测模型、RF+AdaBoost+KNN—RF+XGBoost+KNN—XGBoost三层Stacking多模型融合的终点温度预测模型。预测结果表明,RF+XGBoost+KNN—RF二层Stacking模型在终点碳质量分数误差为±0.01 %的命中率为87.86 %,RF+AdaBoost+KNN—RF+XGBoost+KNN—XGBoost三层Stacking模型在终点温度误差为±15 ℃的命中率为94.22 %,相较于单一的机器学习模型,预测精度显著提高。

关键词: AOD, 终点碳温预测, 模型融合, Stacking 模型

Key words: AOD, endpoint prediction of carbon content and temperature, model fusion, Stacking model