基于神经网络算法和随机森林模型的烧结矿质量预测

作者：陈小艳; 刘畅; 于凤; 张建良; 刘征建; 王耀祖^*; 孙庆科

来源：工业技术创新, 2023, 10(01): 24-30.

DOI：10.14103/j.issn.2095-8412.2023.02.004

• 烧结矿
• 质量预测
• 随机森林模型
• 神经网络算法
• 平均绝对误差(MAE)

为对成品烧结矿质量进行实时、准确的预测，构建基于神经网络算法和随机森林模型的成品烧结矿质量预测体系。以TFe、CaO、SiO2、R2、MgO、Al2O3、P、固定碳共8个参数作为输入，以转鼓强度、筛分指数作为输出，采用限幅滤波进行数据处理，形成测试集；用测试集进行训练，以平均绝对误差(MAE)、命中率为评价指标，对比两种方法对烧结矿质量预测的精度优劣。结果表明，随机森林模型对转鼓强度预测效果更好，神经网络算法对筛分指数预测效果更好，二者相得益彰，可达到90%以上的命中率，可以实现对烧结矿质量的快速、准确预测。

• 单位
  北京科技大学; 自动化学院