基于神经网络算法和随机森林模型的烧结矿质量预测 |
| |
作者姓名: | 陈小艳 刘畅 于凤 张建良 刘征建 王耀祖 孙庆科 |
| |
作者单位: | 1. 鞍山钢铁集团有限公司大孤山球团厂;2. 北京科技大学冶金与生态工程学院;3. 昆士兰大学化学工程学院;4. 北京科技大学人工智能研究院;5. 北京科技大学自动化学院 |
| |
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) |
|