科研之友
微信
新浪微博
Facebook
分享链接
摘要
轧制时间是宽厚板热轧生产的关键参数，但由于生产的复杂性和不确定性，在生产准备阶段很难对其进行精准预设，这会影响生产作业计划的编制以及实施效果。为解决这一问题，着眼于生产中积累的大量宽厚板轧制历史数据，在对影响轧制时间的关键因素及相互关系进行分析梳理的基础上，针对其数据类型和数据结构的特点，提出了两级决策树预测模型，以提高轧制时间的预设精度。首先，基于属性间依赖关系改进C4.5的信息增益率，利用信息熵水平约简分枝节点，将改进的C4.5分类树用于数据中标称属性的建模；进而，基于Fayyad边界点判定定理和支持向量机改进CART算法，对分类子集中数值型属性建立回归模型。从轧制历史数据中随机抽取样本进行实验，将两级决策树模型与多种预测模型对比，验证了所提模型的准确性和鲁棒性。
-
单位北京科技大学; 经济管理学院
