基于RF-LSTM的热连轧板坯粗轧出口温度预报

作者：易成新; 李维刚; 吕立华; 赵云涛

来源：钢铁研究学报, 2021, 33(09): 952-959.

DOI：10.13228/j.boyuan.issn1001-0963.20200187

• 特征选择
• LSTM
• 随机森林
• 热轧温度预测

热连轧板坯温度的连续、实时预报是提高带钢产品性能的关键,针对热连轧过程数据维度过高不利于快速、准确预测板坯温度的问题,提出一种基于随机森林-长短期记忆神经网络(RF-LSTM)的板坯粗轧出口温度预测模型。首先,采用改进随机森林算法对特征变量进行选择,通过分析板坯粗轧出口温度的预测结果变化衡量特征的贡献度,进而构造反映过程数据特征与板坯温度的特征选择评价函数;其次,针对热连轧过程数据具有时间序列特性的特点,采用LSTM预测板坯粗轧出口温度;通过钢厂实际的热连轧过程数据特征选择实验验证和对比分析,结果表明:特征选择前后钢坯的温度预测平均绝对误差、均方根误差分别下降了0.21、0.25℃,预测相对误差在±3.0%以内的精度达到了99.07%。

• 单位
  宝山钢铁股份有限公司; 武汉科技大学