資源描述：
《基于隨機(jī)森林算法的高爐鐵水硅質(zhì)量分?jǐn)?shù)預(yù)測模型-論文.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第38卷第5期冶金自動化Vo1．38No．52014年9月MetallurgicalIndustryAutomationSep．2014控制理論應(yīng)用doi：10．3969／j．issn．1000-7059．2014．05．007基于隨機(jī)森林算法的高爐鐵水硅質(zhì)量分?jǐn)?shù)預(yù)測模型王文慧，劉祥官，劉學(xué)藝(1．浙江水利水電學(xué)院基礎(chǔ)社科部，浙江杭州310018；2．浙江大學(xué)；3．中國計(jì)量學(xué)院)摘要：為了研究高爐冶煉過程中鐵水硅質(zhì)量分?jǐn)?shù)的預(yù)測問題，我們基于隨機(jī)森林算法建立了高爐鐵水硅質(zhì)量分?jǐn)?shù)預(yù)測模型。針對具有不同統(tǒng)計(jì)特征的2組高爐生產(chǎn)數(shù)據(jù)，分別建立了隨機(jī)森林預(yù)測模型和支持向量機(jī)預(yù)測模型，并從預(yù)測命中率、
2、相關(guān)系數(shù)、均方根誤差以及絕對誤差等4個(gè)方面對模型性能進(jìn)行了綜合的比較分析。結(jié)果表明：在爐況平穩(wěn)或存在較大波動的情形下，隨機(jī)森林預(yù)測模型都能獲得顯著優(yōu)于支持向量機(jī)預(yù)測模型的預(yù)測精度。研究結(jié)果為探索高爐冶煉過程爐溫的預(yù)測控制提供了新的建模思路。關(guān)鍵詞：高爐煉鐵；鐵水硅質(zhì)量分?jǐn)?shù)；數(shù)據(jù)驅(qū)動建模；隨機(jī)森林；決策樹；支持向量機(jī)文獻(xiàn)標(biāo)志碼：A文章編號：1000—7059(2014)05~033-06PredictionmodelofsiliconcontentinblastfurnacehotmetalbasedonrandomforestsalgorithmWANGWen—hui，LIUXiang．
3、guan，LIUXue．yi(1．BasicDepartmentofZbejiangUniversityofWaterResourcesandElectricPower，Hangzhou310018，China；2．ZhejiangUniversity；3．ChinaJiliangUniversity)Abstract：Inthispaper，thepredictionmodelofsiliconcontentinblastfurnace(BF)hotmetalisbuiltbasedontherandomforests(RF)algorithmtoresearchthepredicti
4、onproblemofsiliconcon．tent．Basedontwogroupsoftrainingdatasetswithdifferentstatisticalfeatures，theperformanceoftheRFpredictionmodeliscomparedwiththatofthesupportvectormachine(SVM)predictionmodelunderfourdifferentcriteriathehitrateofprediction，thecorrelationcoeficient，theroot—mean—squareerrorandthe
5、absoluteerror．SimulationresultsshowthattheRFpredictionmodelcanachievebetterpredictionperformancethanSVMpredictionmodelnomattertheBFconditionsarestableornot．TheresearchresultsprovidenewmodelingideasforexploringtemperaturepredictioncontrolinBFsmeltingprocess．Keywords：BFiron—making；siliconcontentinh
6、otmetal；data-drivenmodeling；randomforests；deci-siontree；suppoavectormachine0引言化”深度融合，促進(jìn)企業(yè)轉(zhuǎn)型升級，實(shí)現(xiàn)節(jié)能減當(dāng)今鋼鐵工業(yè)面臨著信息化與工藝化的“兩排、綠色生產(chǎn)的艱巨任務(wù)。在鋼鐵工業(yè)生產(chǎn)流程收稿日期：2014-05．11基金項(xiàng)目：浙江省教育廳科研項(xiàng)目(Y201329298)作者簡介：王文慧(1980．)，女，山東濰坊人，講師，碩士，主要從事工業(yè)過程建模與優(yōu)化、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等工作。冶金自動化第38卷中，高爐煉鐵是主要耗能的上游工序，因此，進(jìn)一產(chǎn)生一個(gè)預(yù)測值，隨機(jī)森林的預(yù)測值夕是通過步提高高爐冶煉過
7、程的信息化與工藝化水平，通對所有決策樹的預(yù)測值取平均獲得的。圖1給過提高冶煉過程智能控制水平進(jìn)一步節(jié)能減排，出了隨機(jī)森林學(xué)習(xí)算法模型的結(jié)構(gòu)框架示意圖。具有特殊的重要意義。、在傳統(tǒng)的高爐冶煉操作中，爐溫預(yù)測控制是工長穩(wěn)定操作高爐的關(guān)鍵，其中鐵水硅質(zhì)量分?jǐn)?shù)則是反映高爐爐溫的關(guān)鍵參數(shù)。為了科學(xué)預(yù)測鐵水硅質(zhì)量分?jǐn)?shù)，多年來國內(nèi)外建立了眾多機(jī)理模型和數(shù)據(jù)驅(qū)動模型，后者包括非線性時(shí)間序列模型_4J、神經(jīng)網(wǎng)絡(luò)模型_5j、灰色理論模型、小波分析模型、
