基于神经网络算法和随机森林模型的烧结矿质量预测

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。