基于Boosting算法的转炉终点预测模型

摘要

针对国内某钢厂的转炉终点控制模型受高炉铁水成分和温度波动较大等因素的影响，致使终点碳温预测命中率偏低的问题，本文中利用现场生产数据建立了基于机器学习的转炉终点智能控制模型，并使用不同的Boosting算法模型对转炉终点进行预测.结果表明：4种Boosting算法模型的预测准确率均高于机理模型的预测准确率，其中CatBoost模型的准确率最高，其预测值与真实值差距最小；在200炉次中，CatBoost模型终点钢水碳含量预测偏差在±0.02%以内的有166炉，命中率为83.0%,终点温度预测偏差在±15℃以内的有165炉，命中率为82.5%;与机理模型相比，终点钢水碳含量命中率提高了17个百分点，终点温度命中率提高了23.5个百分点，使用CatBoost模型预测能够为现场转炉冶炼过程终点判断提供有效指导.

关键词

转炉炼钢 / 终点碳含量预测 / 终点温度预测 / 机器学习 / Boosting算法