首页|基于神经网络算法和随机森林模型的烧结矿质量预测

基于神经网络算法和随机森林模型的烧结矿质量预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
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

展开 >

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

北京科技大学人工智能研究院,北京 100083

北京科技大学自动化学院,北京 100083

展开 >

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)

2023

10.14103/j.issn.2095-8412.2023.02.004

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
年,卷(期)：2023.10(1)
  • 11