基于深度置信网络的连铸坯偏析等级预测研究

作者：翟莹莹; 孙巍; 李洪林; 吴海旭; 石玲

来源：山西冶金, 2023, 46(08): 1-2.

DOI：10.16525/j.cnki.cn14-1167/tf.2023.08.001

• 连铸坯
• 质量预测
• 深度置信网络
• 支持向量机

连铸坯中心偏析缺陷的准确预测对于连铸坯稳定生产、提升连铸质量具有重要意义。为精准预测连铸坯中心偏析缺陷，建立连铸坯偏析等级的深度学习模型，该模型应用禁忌搜索的超参数优化法，对DBN模型的网络层和回归层进行优化，提高了偏析预测的准确率。研究表明，基于DBN-SVR模型的连铸坯中心偏析预测精度较好。

• 单位
  东北大学