基于集成学习的转炉吹炼终点磷锰预测模型

作者：黄一鑫; 赵自鑫; 钟良才^*; 于海岐; 刘承军

来源：炼钢, 2023, 39(06): 15-22.

• 转炉吹炼
• 终点磷预测
• 终点锰预测
• 机器学习
• 集成算法
• 数据驱动模型

基于260 t转炉炼钢实际生产数据，用RF(Random Forests,随机森林)、LGBM(Light Gradient Boosting Machine,轻量级梯度提升机)和Stacking集成三种不同机器学习算法建立了转炉炼钢终点磷锰预测模型。通过相关理论分析和皮尔逊相关系数法确定了模型输入变量，对比三种集成学习模型的终点命中率，表明Stacking集成模型的预测性能最好，在预测终点磷质量分数误差为±0.001%、±0.001 5%时的终点命中率分别为86.3%、97.1%,在预测终点锰质量分数误差为±0.008%、±0.01%时的命中率分别为83.4%、94.4%。

• 单位
  鞍钢股份有限公司; 东北大学