RH终点钢液碳质量分数的智能预测

摘要

准确预测RH（Ruhrstahl Heraeus）终点钢液碳质量分数能够有效地提升连铸坯质量.为实现该目标，首先采用数据挖掘方法对RH生产数据进行预处理；然后使用灰色关联分析、Spearman相关系数和随机森林袋外误差评分法筛选出与终点碳质量分数强相关的特征变量；接着用主成分分析进行降维；最后采用XGBoost模型以及粒子群优化和鲸鱼优化算法优化后的XGBoost模型预测RH钢液终点碳质量分数.研究结果表明，灰色关联分析筛选特征效果优于Spearman秩相关系数和随机森林；经过粒子群算法和鲸鱼优化算法优化后，XGBoost模型的预测命中率显著提高.鲸鱼优化算法要优于粒子群算法.当误差范围为±5×10^-6和±7×10^-6时，鲸鱼群优化XGBoost模型预测命中率分别达到91.26%和98.97%.

关键词

终点钢液碳质量分数 / XGBoost算法 / 粒子群优化算法 / 鲸鱼优化算法 / 特征筛选