炼钢

作者：杨仕存,魏志强,钟良才,于学渊,李强,陈海娇,高威

单位：1.东北大学 低碳钢铁前沿技术研究院，辽宁 沈阳 110819；2.东北大学 冶金学院，辽宁 沈阳 110819；3.建龙集团 抚顺新钢铁炼钢厂，辽宁 抚顺 113001

关键词：转炉炼钢,耗氧量,数据驱动模型,命中率,

基于45 t转炉炼钢实际生产数据，通过数据预处理和互信息（MI）法进行特征选择，采用贝叶斯算法（BOA）优化BP神经网络模型、支持向量回归机（SVR）模型和LGBM模型的参数，预测转炉吹炼的耗氧量。用1 176炉的实际生产数据对模型进行训练，504炉的数据用于验证模型的预测效果。结果表明，在预测的氧气体积偏差分别为±50、±40、±30 m3的范围下，LGBM模型的预测命中率分别为94.04 %、85.91 %、76.58 %。与SVR模型和BP神经网络模型相比较，LGBM模型有着更高的预测精度和稳定性以及更强的泛化能力。

来源：2022年第4期

《炼钢》期刊编辑部

查看炼钢杂志2022年第4期