基于PCA-RF的热轧带钢板凸度预测

作者：赵志挺

来源：机械工程师, 2023, (10): 42-46.

• 热轧带钢
• 板凸度预测
• 主成分分析
• 随机森林

为了满足日益增长的带钢板凸度预测精度和速度要求，建立了一种基于降维的主成分分析（Principal Component Analys is,PCA）协同随机森林（Random Fore s t,RF）的板凸度预测模型。首先，应用Pauta准则去除异常值，用五点三次平滑公式进行降噪处理；其次采用主成分分析法对数据进行降维，利用载荷矩阵选取关键控制变量；最后利用关键控制变量建立基于随机森林的板凸度预测模型，并与支持向量机回归（Support Vector Regression,SVR）、最近邻（K Nearest Ne ighbor,KNN）、轻量梯度提升机（light Gradie nt Boos ting Machine,LightGBM）、极端梯度增强（Extre m e Gradie nt Boos ting,XGBoos t）和梯度提升决策树（Gradie nt Boos ting De cis ion Tre e,GBDT）模型进行比较。结果表明，PCA-RF模型将参数由93维降低到15维，极大地减少了建模时间，且PCA-RF对测试集预测的决定系数（Coefficient of Determination,R2）、平均绝对误差（Mean Absolute Error,MAE）和均方根误差（Root Mean Squared Error,RMSE）分别为0.982 0、1.485 2μm和2.260 3μm,均优于其他预测模型，且98%以上样本点的预测误差为-3～3μm，满足板凸度预测的精度要求。从而证明该模型能够通过降维减少建模时间，同时实现了带钢板RF凸度的高精度预测，为热轧带钢板凸度的研究提供了一定的参考。

• 单位
  沈阳化工大学