炼钢

作者：柯凯,彭其春,彭霞林,向往

单位：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

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

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。

来源：2023年第1期

《炼钢》期刊编辑部

查看炼钢杂志2023年第1期