基于神经网络算法和随机森林模型的烧结矿质量预测OA
Sinter Quality Prediction Based on Neural Network Algorithm and Random Forest Model
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.
陈小艳;刘畅;于凤;张建良;刘征建;王耀祖;孙庆科
鞍山钢铁集团有限公司大孤山球团厂,辽宁鞍山 114046鞍山钢铁集团有限公司大孤山球团厂,辽宁鞍山 114046鞍山钢铁集团有限公司大孤山球团厂,辽宁鞍山 114046北京科技大学冶金与生态工程学院,北京 100083昆士兰大学化学工程学院,澳大利亚圣卢西亚 4072北京科技大学冶金与生态工程学院,北京 100083北京科技大学人工智能研究院,北京 100083
矿业与冶金
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)
《工业技术创新》 2023 (1)
24-30,7
评论