典型文献
基于数据驱动的转炉耗氧量模型研究
文献摘要：
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1176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.
文献关键词：
转炉炼钢;耗氧量;数据驱动模型;命中率
中图分类号：
作者姓名：
杨仕存;魏志强;钟良才;于学渊;李强;陈海娇;高威
作者机构：
东北大学低碳钢铁前沿技术研究院,辽宁沈阳110819;东北大学冶金学院,辽宁沈阳110819;建龙集团抚顺新钢铁炼钢厂,辽宁抚顺113001
文献出处：
引用格式：
[1]杨仕存;魏志强;钟良才;于学渊;李强;陈海娇;高威-.基于数据驱动的转炉耗氧量模型研究)[J].炼钢,2022(04):7-13
A类：
B类：
耗氧量,转炉炼钢,生产数据,数据预处理,互信息,MI,特征选择,贝叶斯算法,BOA,支持向量回归机,SVR,LGBM,转炉吹炼,验证模型,体积偏差,围下,命中率,泛化能力,数据驱动模型
AB值：
0.329723
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
