工业技术创新2023，Vol.10Issue(1) ：24-30.DOI:10.14103/j.issn.2095-8412.2023.02.004

基于神经网络算法和随机森林模型的烧结矿质量预测

Sinter Quality Prediction Based on Neural Network Algorithm and Random Forest Model

陈小艳 刘畅 于凤 张建良 刘征建 王耀祖 孙庆科
工业技术创新2023，Vol.10Issue(1) ：24-30.DOI:10.14103/j.issn.2095-8412.2023.02.004
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于神经网络算法和随机森林模型的烧结矿质量预测

Sinter Quality Prediction Based on Neural Network Algorithm and Random Forest Model

陈小艳 1刘畅 1于凤 1张建良 2刘征建 3王耀祖 4孙庆科5
扫码查看

作者信息

  • 1. 鞍山钢铁集团有限公司大孤山球团厂,辽宁鞍山 114046
  • 2. 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
  • 3. 北京科技大学冶金与生态工程学院,北京 100083
  • 4. 北京科技大学人工智能研究院,北京 100083
  • 5. 北京科技大学自动化学院,北京 100083
  • 折叠

摘要

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.

关键词

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)

引用本文复制引用

出版年

2023
工业技术创新
中国电子信息产业发展研究院和赛迪工业和信息化研究院（集团）有限公司

工业技术创新

ISSN：2095-8412
参考文献量11
段落导航相关论文